شنبه تا سه شنبه 7 الی 16 - چهارشنبه 7 الی 15
-
وام -بیمه درمان تکمیلی -پارکینگ -بسته ها و هدایای مناسبتی
این فرصت شغلی چقدر برای من مناسب است؟
51 تا 200 نفر
بانکداری
شرکت ایرانی دارای مشتریان داخلی
1402
داتا
خصوصی
وام توضیحات بیشتر
شاخص های کلیدی از نظر کارفرما
2 سال سابقه کار در گروه شغلی مشابه Python - پیشرفته
Linux - پیشرفته
Kubernetes - متوسط
Prometheus - متوسط
شرح شغل و وظایف
مسئولیت‌ها
- طراحی و پیاده‌سازی GPU/CPU Health Checks در فرآیند Provisioning و بهره‌برداری، شامل بررسی ECC، PCIe، Thermal و Link Stability
- طراحی، مدیریت و بهینه‌سازی کلاسترهای Kubernetes و Docker برای workloadهای AI و ML
- طراحی، پیاده‌سازی و نگهداری ML Pipelines و workflowهای مرتبط با آموزش، ارزیابی و استقرار مدل‌ها با استفاده از ابزارهایی مانند Kubeflow و MLflow
- مدیریت و استقرار سرویس‌ها و Deploymentها با استفاده از Helm و ArgoCD
- طراحی و پیاده‌سازی فرآیندهای CI/CD و Automation با ابزارهایی مانند GitLab CI، GitHub Actions و Jenkins
- طراحی و پیاده‌سازی Monitoring، Observability و Alerting با ابزارهایی مانند Prometheus و Grafana
- مدیریت Configuration و اجرای فرآیندهای Infrastructure Automation با استفاده از Ansible
- تحلیل و رفع مشکلات زیرساختی در محیط‌های Development، Staging و Production
- همکاری با تیم‌های AI، ML و Software Engineering برای تبدیل workloadهای تحقیقاتی و prototypeها به سرویس‌ها و زیرساخت‌های پایدار و production-ready
- حداقل 2 سال تجربه در یکی از حوزه‌های DevOps، MLOps، SRE یا Infrastructure Engineering
- تسلط مناسب به Linux و Python و توانایی توسعه ابزارهای Automation و Infrastructure Tooling
- تجربه عملی در مدیریت و نگهداری Kubernetes و Docker در محیط‌های Production
- تجربه کار با Helm و ArgoCD و آشنایی با مفاهیم GitOps و Modern Deployment
- تجربه طراحی و پیاده‌سازی فرآیندهای CI/CD
- تجربه یا آشنایی عملی با Kubeflow، MLflow و ML Workflows
- تجربه پیاده‌سازی Monitoring و Alerting با ابزارهایی مانند Prometheus و Grafana
- آشنایی با PyTorch / TensorFlow و مفاهیم مرتبط با اجرای workloadهای ML
- درک مناسب از GPU Hardware و GPU Diagnostics شامل ECC، PCIe، Thermal و Link Stability
- آشنایی با مفاهیم Networking، Security و System Administration
- آشنایی با زیرساخت‌های Cloud و On-Premise
- تجربه عملی در طراحی و مدیریت GPU Cluster و زیرساخت‌های محاسباتی AI/ML
- تجربه کار با NVIDIA GPU، CUDA و ابزارهای GPU Diagnostics
- تجربه استقرار و نگهداری LLM و AI Workloads روی GPU
- آشنایی با Model Serving، Inference Infrastructure و GPU Scheduling
- تجربه طراحی زیرساخت‌های Highly Available، Scalable و Fault-Tolerant
- تجربه کار با Observability، Logging و Distributed Tracing
- تجربه کار با Cloud Platforms و سرویس‌های مرتبط با Infrastructure و ML
شرایط احراز شغل
جنسیت
تفاوتی ندارد
نرم افزارها
ثبت مشکل و تخلف آگهی
ارسال رزومه برای داده و اعتبار سنجی تجارت ایرانیان (داتا)