シニア ソリューションアーキテクト（クラウドインフラ・DevOps）

この求人について

NVIDIA Infrastructure Specialist Teamの一員として、大規模なAI/HPCクラスターおよび関連インフラの設計、導入、運用、自動化を担当します。顧客、パートナー、社内チームと協働し、大規模ネットワーク案件の分析、要件定義、実装を進めます。顧客に対する技術窓口として、ネットワーク、システム設計、運用自動化を横断して支援します。

主な業務は、HPC/AIクラスターの監視、ログ管理、アラート運用、Linuxのジョブ／ワークロードスケジューラーおよびオーケストレーションツールの管理です。サーバー、ネットワーク、ストレージ向けの監視基盤を導入し、ベアメタル、OS、ソフトウェアスタック、アプリケーションの各層から障害を切り分けます。大規模インフラの配備・管理、運用監視・通知、利用者によるリソース利用を自動化するツールを開発・保守します。ソフトウェア導入と自動化のためのCI/CDパイプラインも構築・維持します。

また、標準的な技術手法を整備・文書化して社内チームと共有し、研究開発活動の支援や、将来の改善に向けたPOC／POVにも参画します。

応募には、コンピュータサイエンス、電気・コンピュータ工学、物理学、数学、または関連分野の学士・修士・博士号、もしくは同等の経験が求められます。ネットワークの基礎、TCP/IPスタック、データセンターアーキテクチャに関する8年以上の実務経験が必要です。CPU、GPU、高速インターコネクトおよび支援ソフトウェアを含むHPC・AIソリューション技術の知識、大規模HPCクラスターの導入、最適化、トラブルシューティング経験を要します。

Kubernetesについて、AI/MLワークロードのコンテナオーケストレーション、リソーススケジューリング、スケーリング、HPC環境との統合を含む実践的な経験が必要です。Slurm、Kubernetes、Singularityなどのジョブスケジューリング／オーケストレーション技術、Python、bashスクリプト、CI/CDに関する知識が求められます。Jenkins、Ansible、Puppet、Chefなどの自動化・構成管理ツールの利用経験も対象です。

WindowsおよびLinux（Redhat/CentOS、Ubuntu）の内部構造、ACL、OSレベルのセキュリティ保護、TCP、DHCP、DNSなどのプロトコルに精通していることが必要です。Lustre、GPFS、ZFS、XFSを含む複数のストレージソリューションの経験も求められます。CPU／GPUアーキテクチャ、コンテナ関連のマイクロサービス技術、DGXやCUDAなどGPU向けハードウェア／ソフトウェア、RDMA（InfiniBandまたはRoCE）ファブリックの知識・経験は歓迎されます。日本語話者の顧客へ技術的内容を伝え、効果的に協働できることが必要です。

雇用形態はフルタイム、勤務地は日本国内のリモートです。