HPC System Engineer

# Systems Engineer (Cloudmeter)

Nebius zoekt een highly skilled Systems Engineer (Cloudmeter) om zich aan te sluiten bij het team ter ondersteuning van benchmarking van GPU-platforms voor machine learning en AI-workloads. Je speelt een kritieke rol bij het evalueren van de prestaties van GPU-gebaseerde hardware voor diverse deep learning- en AI-frameworks, waardoor data-driven beslissingen mogelijk worden gemaakt voor platform-optimalisatie en ontwikkeling van hardware van de volgende generatie.

## Verantwoordelijkheden

• Werk nauw samen met hardware- en development teams om GPU-prestaties op systeem- en kernel-niveau te profileren en analyseren
• Evalueer en vergelijk GPU-prestaties op verschillende platforms, architecturen en software stacks (bijv. CUDA, ROCm)
• Voer acceptatietests uit voor nieuwe GPU-clusters om ervoor te zorgen dat hardware en software aan de prestatie-, stabiliteits- en compatibiliteitsvereisten voor AI-workloads voldoen
• Voer experimenten uit op diverse GPU-systeemconfiguraties om de impact van variërende interconnect-strategieën en systeemniveau-optimalisaties op prestaties en schaalbaarheid te beoordelen

## Vereisten

• Vaardig in Unix/Linux, plus Python en Bash voor automatisering
• Goed begrip van de GPU stack: CUDA, NCCL, drivers en relevante bibliotheken
• Bewezen vermogen om complexe systeemproblemen op te lossen, inclusief hardware-, software- en netwerkproblemen
• Bekendheid met containerized omgevingen (bijv. Docker, Kubernetes)

## Pluspunten

• Ervaring met moderne deep learning frameworks (PyTorch, JAX, vLLM, TensorRT-LLM)
• Ervaring met job schedulers en resource managers (Slurm, Volcano, etc.)