HPC Infrastructure Engineer - GPU Clusters

GPU 플릿의 프로비저닝, 스케줄링, 모니터링, 업그레이드, 용량 계획 수행. 노드 헬스체크, 자동 드레이닝/복구, 신규 자원 burn-in 등 자동화 구축. OS images, NVIDIA drivers, CUDA, container runtimes, NCCL, InfiniBand/RoCE 등 하위 인프라 관리. Slurm 또는 유사 스케줄러 운영 및 튜닝. 데이터셋과 체크포인트용 고성능 스토리지 구축 및 유지. 성능 저하 원인 분석 및 개선. GPU 클라우드/임대 자원 벤치마크 및 SLA 검증. 랙킹, 케이블링, 진단 등 하드웨어 작업과 데이터센터 협업. 접근 제어, 네트워크 분리, secrets 관리로 보안 유지.

필수: 대규모 Linux 서버 또는 GPU 환경을 프로덕션에서 운영한 경험, NVIDIA 스택(driver, CUDA, NCCL, DCGM) 이해 또는 이를 빠르게 학습할 수 있는 시스템 경험, 베어메탈 환경·서버 하드웨어·고속 네트워킹 경험, Python 및/또는 Bash 자동화 작성 능력, Ansible 또는 Terraform 같은 IaC 도구 활용 경험, metrics/logs/PromQL 등 noisy data를 분석해 문제를 찾는 역량, end-to-end scope를 책임지는 태도, 데이터센터 현장 작업도 감수할 수 있는 자세. 우대: ML training workload 인프라 지원 경험, GPU 클라우드 공급자 평가 경험, WEKA/VAST 등 병렬 파일시스템 또는 대규모 object storage 경험, BMC/IPMI/Redfish 자동화, PXE provisioning at scale, dense GPU 배포의 전력/냉각 이해.