Estados Unidos
B&A
WEKA
Administrador de Plataforma de Datos WEKA (Remoto EE. UU.)
Estados Unidos
United States
PythonAWSKubernetesGo
Traducción automática. Consulta el original.
Sobre el puesto
Administrador de Plataforma de Datos WEKA
Éxito del Cliente - Servicios Premium
WEKA está diseñando un nuevo enfoque para la pila de datos empresarial creada para la era del razonamiento. NeuralMesh de WEKA establece el estándar para la infraestructura de datos de IA agentica con una solución de software nativa de la nube y de IA que puede implementarse en cualquier lugar. Transforma los silos de datos heredados en tuberías de datos que aumentan drásticamente la utilización de GPU y hacen que el entrenamiento y la inferencia de modelos de IA, machine learning, y otras cargas de trabajo intensivas en computación se ejecuten más rápido, funcionen de manera más eficiente y consuman menos energía.
WEKA es una empresa en etapa de crecimiento previa a la salida a bolsa con una trayectoria de hipercrecimiento. Hemos recaudado $375M en capital con docenas de inversores estratégicos y de capital de riesgo de clase mundial. Ayudamos a las empresas y organizaciones de investigación más grandes e innovadoras del mundo, incluidas 12 de Fortune 50, a lograr descubrimientos, conocimientos y resultados comerciales de manera más rápida y sostenible. Nos apasiona resolver los desafíos de datos más complejos de nuestros clientes para acelerar la innovación inteligente y el valor comercial. Si compartes nuestra pasión, te invitamos a unirte a nosotros en este emocionante viaje.
El estilo WEKA
- Somos responsables: Asumimos la propiedad total, siempre, incluso cuando las cosas no salen según lo planeado. Lideramos con integridad, mostramos responsabilidad y propiedad, y nos mantenemos a nosotros mismos y a los demás con los estándares más altos.
- Somos valientes: Cuestionamos el status quo, superamos los límites y tomamos riesgos inteligentes cuando es necesario. Damos la bienvenida a los desafíos y aceptamos los debates como oportunidades de crecimiento, convirtiendo el coraje en combustible para la innovación.
- Somos colaborativos: La verdadera colaboración no se trata solo de trabajar juntos. Se trata de elevarse unos a otros para tener éxito colectivamente. Estamos orientados al equipo y nos comunicamos con empatía y respeto. Nos desafiamos mutuamente y llevamos a cabo una resolución de conflictos positiva. Somos transparentes sobre nuestros objetivos y resultados. Y juntos, somos imparables.
- Estamos centrados en el cliente: Nuestros clientes están en el corazón de todo lo que hacemos. Escuchamos activamente y priorizamos el éxito de nuestros clientes, y cada decisión que tomamos está impulsada por cómo podemos servir, apoyar y empoderarlos mejor para que tengan éxito. Cuando nuestros clientes ganan, nosotros ganamos.
Qué harás
Nuestros clientes de hiperescaladores de IA venden capacidad de GPU a otras empresas. Sus inquilinos ejecutan entrenamiento, inferencia y puntos de control en WEKA. Esos inquilinos esperan que la capa de datos simplemente funcione.
Como Administrador de Plataforma de Datos WEKA, eres responsable de ese resultado. Ejecutas la implementación de WEKA para estas empresas en la nube como una extensión de su equipo, día a día, para que no tengan que dotar de personal a la administración de WEKA en sí. Es posible que trabajes directamente con sus clientes finales para ajustar la infraestructura para las cargas de trabajo que realmente ejecutan.
Operar la implementación
- Ejecutar el entorno de WEKA día a día: monitoreo, estado, actualizaciones, capacidad, configuración y auditorías.
- Crear y gestionar sistemas de archivos, niveles de almacenamiento de objetos, instantáneas, cuotas y configuración de protocolos (POSIX, NFS, SMB, S3) a medida que los inquilinos se incorporan y crecen.
- Ser dueño del estado de ejecución operativa. Mantener el entorno saludable, documentado y recuperable.
- Ejecutar cambios aprobados según un estándar: confirmar alcance y aprobación, clasificar el riesgo, validar, mantener una reversión, registrar el resultado.
- Vigilar la deriva, la presión de capacidad y las anomalías. Plantearlas temprano con una ruta recomendada.
Optimizar la infraestructura para las cargas de trabajo de los clientes finales de NCP
- Puede implicar trabajar directamente con los inquilinos del cliente y sus equipos de plataforma para comprender cómo cada carga de trabajo utiliza el almacenamiento: entrenamiento, inferencia, puntos de control, carga de datos y programación.
- Ajustar WEKA para adaptarse a la carga de trabajo. Diseño del sistema de archivos, niveles, política de instantáneas, cuotas y QoS por inquilino.
- Validar y estandarizar la capa de cliente: clientes de nodo GPU, redes BlueField-3 y SR-IOV, opciones de montaje, cgroups y política de CPU de kubelet, y el operador y controlador CSI de WEKA Kubernetes.
- Incorporar nuevos inquilinos y clientes con un procedimiento repetible y verificado. Verificar la configuración y los scripts antes de que lleguen a producción, no durante una escalada.
- Establecer líneas base de rendimiento. Ejecutar puntos de referencia y pruebas con los inquilinos, e informar qué cambió y por qué.
- Encontrar límites de escalado antes que los clientes: recuentos de clientes, techos de procesos, comportamiento de NAT y enrutamiento a través de redes de inquilinos.
Runbooks, automatización y continuidad
- Crear y mantener runbooks operativos para el cliente que un respaldo calificado pueda seguir: procedimientos, guía de acceso, validación, reversión y pasos de recuperación.
- Convertir el trabajo manual repetido en scripts, automatización o listas de verificación. Usar Python, Bash y Ansible.
- Preparar traspasos y resúmenes de respaldo antes de tiempo libre o cambios de cobertura.
- Explicar procedimientos y decisiones a los operadores del cliente para que sean más capaces, no más dependientes.
Escalada y colaboración
- Abrir y actualizar casos con la condición observada, el impacto en el cliente, el trabajo completado, la evidencia y el siguiente paso solicitado. Seguir la ruta establecida hacia Servicios Técnicos, GRE e I+D.
- Mantener al equipo extendido de WEKA informado sobre cambios, riesgos y cualquier cosa que el cliente necesite saber.
- Trabajar con proveedores de la nube, equipos de red y otros terceros en el entorno del cliente para resolver problemas.
- Contribuir con resultados operativos, tendencias y riesgos a las actualizaciones semanales y revisiones trimestrales.
Requisitos
- 10+ años administrando infraestructura empresarial a escala, con sólida experiencia en almacenamiento (archivo, objeto o bloque).
- Habilidades profundas de administración de Linux, incluyendo la familia RHEL y Ubuntu, en entornos distribuidos.
- Experiencia práctica con redes de alta velocidad: Ethernet e InfiniBand, RDMA, y los fundamentos de DNS, ACL y TCP/IP.
- Conocimiento práctico de Kubernetes y contenedores, incluyendo almacenamiento persistente, CSI y operadores.
- Experiencia operando GPU, HPC o infraestructura de nube grande para clientes externos o múltiples inquilinos.
- Experiencia con al menos una nube importante: AWS, Azure, Google Cloud u Oracle Cloud.
- Dominio de Python, Bash o Ansible. Automatizas lo que repites.
- Experiencia con pilas de monitoreo y alertas (Prometheus, Grafana, herramientas de registro y métricas).
- Experiencia con sistemas de tickets como Jira, y disciplina en la gestión de incidentes mayores.
- Comunicación escrita y verbal clara. Puedes explicar un cambio a un ingeniero y a un ejecutivo.
- Sólida redacción técnica. Tus runbooks funcionan para alguien que nunca ha visto el entorno.
Es bueno si tienes
- Experiencia previa con WEKA u otro sistema de archivos paralelo o distribuido.
- Experiencia ejecutando plataformas de IA/ML basadas en Slurm o Kubernetes.
- Experiencia con redes de clúster de GPU NVIDIA y sistemas de clase DGX.
- Experiencia colaborando entre equipos de soporte y producto o ingeniería.
- Familiaridad con Confluence, Slack y otras herramientas de colaboración.
Cómo se ve el éxito
- El trabajo rutinario se completa de manera predecible, documentada y verificada después de la ejecución.
- Un respaldo calificado puede operar el entorno desde tu runbook.
- Los inquilinos del cliente se incorporan más rápido, con menos sorpresas y alcanzan sus objetivos de rendimiento.
- Los problemas de la capa de cliente se encuentran en la verificación, no en la producción.
- Los riesgos y las brechas de acceso se plantean temprano con una ruta recomendada a seguir.
- El trabajo repetido se vuelve más seguro a través de listas de verificación, scripts y automatización.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil