Vereinigte Staaten
Siemens
SpaceXSI
Supercompute Operations Specialist – Memphis
Vereinigte Staaten
Memphis, Tennessee, United States
Python
Automatische Übersetzung. Prüfe das Original.
ÜBER DIE ROLLE
SpaceX wurde mit der Überzeugung gegründet, dass eine Zukunft, in der die Menschheit die Sterne erforscht, grundlegend aufregender ist als eine, in der wir dies nicht tun. Heute entwickelt SpaceX aktiv die Technologien, um dies zu ermöglichen, mit dem ultimativen Ziel, das Leben multiplanetar zu machen und das Bewusstsein zu den Sternen zu erweitern.
SpaceXSI baut Super Intelligence auf, um der Menschheit zu helfen, das Universum zu verstehen. Unsere Teams entwickeln den gesamten Super Intelligence-Stack: von unseren Colossus-Supercomputern über Grok-Modelle bis hin zu unserer Suite von Anwendungen, einschließlich Grok Bot, Grok Build, Grok Imagine, Grok Voice und X. Wir schaffen einen leistungsstarken Kreislauf, in dem mehr Rechenleistung bessere Modelle trainiert, bessere Modelle nützlichere Produkte antreiben und das, was wir durch die Nutzung dieser Produkte durch Menschen lernen, unsere nächste Entwicklungsphase prägt.
SpaceXSI betreibt eine Hyperscale-GPU-Infrastruktur an mehreren Standorten in Memphis, bei der jede Minute Ausfallzeit die Trainingsleistung und Kundenverpflichtungen beeinträchtigt. Das Operations Engineering-Team ist für 100% GPU-Verfügbarkeit verantwortlich, von Ende zu Ende, 24/7. Dies ist ein neues Engineering- und Spezialistenteam, das sowohl den Standortbetrieb (Compute) als auch den Anlagenbetrieb (Stromversorgung und Kühlung) betreut. Es ist zuständig für die Reaktion auf Vorfälle und das Engineering hinter dieser Reaktion, hält die zentrale Kontrolle darüber, welche Rechenleistung betroffen oder gedrosselt wird, treibt die tägliche Instandhaltung der aktiven Datenhallen voran und leitet das Deployment Engineering, das neue Datenhallen in Betrieb nimmt. Das Team wird zudem die Automatisierung hinter unserem NOC Bot entwickeln, der automatisierten Überwachungsebene, die ein traditionelles Techniker-NOC ersetzt. Stellen Sie es sich als das Rechenzentrums-Äquivalent zu SpaceX Launch Engineers und Launch Controllers vor: Ingenieure und Spezialisten mit systemweitem Wissen über den gesamten Standort.
AUFGABEN
- Besetzung einer 24/7-Rotation, die das Incident Management von Ende zu Ende verantwortet, von den Auswirkungen auf Kunden (interne Grok-Teams und externe Datenhallen-Mieter) bis hin zur Anlage.
- Ausübung der zentralen Kontrollbefugnis: Festlegen, welche Rechenleistung betroffen oder gedrosselt ist, und Verantwortung für die systemweite Reaktion.
- Verantwortung für den täglichen Standortbetrieb, einschließlich der Lösung von Problemen, die die Rechenleistung auf Rack-Ebene beeinträchtigen.
- Bearbeitung täglicher Probleme sowohl im Standortbetrieb (Compute) als auch im Anlagenbetrieb (Stromversorgung und Kühlung).
- Leitung von Abnahme- und Deployment-Testkampagnen, um neue Datenhallen vollständig in Betrieb zu nehmen.
- Entwicklung von Produktionsskripten und Automatisierung für die Inbetriebnahme neuer Datenhallen sowie Aufbau der Automatisierung hinter dem NOC Bot.
- Entwicklung und Pflege von Arbeitsanweisungen im Stil der Fertigungsplanung, damit Techniker effizienter und sicherer arbeiten können.
- Verantwortung für die Dokumentation des laufenden, sich ändernden Zustands des Datenhallenbetriebs bei Inbetriebnahme neuer Hallen.
- Befähigung der Techniker im Standort- und Anlagenbetrieb, ihre Aufgaben effizienter und sicherer zu erledigen, um die GPU-Verfügbarkeit zu erhöhen.
GRUNDLEGENDE QUALIFIKATIONEN
- Abgeschlossene Schulausbildung oder gleichwertiger Abschluss und 2+ Jahre Erfahrung in Rechenzentren, kritischen Einrichtungen, HPC oder ähnlichen groß angelegten Betriebsumgebungen. Ein Associate- oder Bachelor-Abschluss in einem technischen Bereich ist von Vorteil.
ZUSÄTZLICHE ANFORDERUNGEN
- Fähigkeit, in einem 24/7-Rotationsplan zu arbeiten, einschließlich Nacht-, Wochenend- und Feiertagsarbeit bei Bedarf.
- Körperliche Belastbarkeit für Aufgaben im Rechenzentrum, einschließlich des Hebens von bis zu 50 lbs ohne Hilfe, langem Stehen und gelegentlicher Nutzung von Leitern.
- Bereitschaft, bei Vorfällen oder der Inbetriebnahme von Datenhallen bei Bedarf länger zu arbeiten.
BEVORZUGTE FÄHIGKEITEN UND ERFAHRUNGEN
- Systemweites Wissen über Rechenzentrumsstandorte, das Compute, Netzwerk, Stromversorgung und Kühlung umfasst.
- Erfahrung in der Verantwortung oder Durchführung von Incident Response in einer 24/7-Betriebsumgebung.
- Spezialisierte Fähigkeiten zur Fehlerbehebung bei Compute-Systemen auf Rack-Ebene und Anlagensystemen.
- Erfahrung mit Deployment Engineering, Inbetriebnahme oder Abnahmetests neuer Datenhallen oder Cluster.
- Erfahrung mit Produktionsskripting und Automatisierung (z. B. Python, Bash).
- Erfahrung im Verfassen von Arbeitsanweisungen, Verfahren oder Fertigungsplänen für Techniker.
- Erfahrung in der Unterstützung von GPU-, KI- oder High-Performance-Computing-Umgebungen in großem Maßstab.
- Fähigkeit, während laufender Vorfälle klar mit Technikern, Ingenieuren sowie internen und externen Kunden zu kommunizieren.
- Begeisterung für die Mission von SpaceXSI und die Fähigkeit, in einem schnelllebigen Umfeld mit hoher Eigenverantwortung erfolgreich zu sein.
SpaceXSI ist ein Arbeitgeber, der Chancengleichheit fördert. Einzelheiten zur Datenverarbeitung finden Sie in unserem Datenschutzhinweis für Bewerber.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen