Description du poste
Contexte
AS+ fournit un support opérationnel pour les clusters GPU exploités par un partenaire d'infrastructure cloud. Nous constituons une équipe de support pour gérer les incidents quotidiens sur ces clusters. Ce premier poste se concentre sur une couverture en semaine. Le travail se situe au bas de la pile technique — diagnostic matériel et réseau — plutôt que sur le support HPC ou applicatif de haut niveau.
Responsabilités
- Diagnostiquer et trier les incidents sur les clusters de calcul GPU, en déterminant si une défaillance provient de notre côté ou de celui du client.
- Enquêter sur les pannes matérielles : collecter et analyser les journaux matériels, identifier les composants défectueux et documenter les conclusions pour résolution ou RMA.
- Diagnostiquer les pannes matérielles des GPU (détection et isolation des pannes — pas d'optimisation des performances ou de portage).
- Configurer et dépanner la connectivité réseau, y compris la fabric InfiniBand.
- Travailler directement avec le client en tant que premier niveau de support, en anglais.
Compétences requises
- Solides fondamentaux en systèmes et réseaux — diagnostic réseau et connectivité bas niveau.
- Dépannage matériel pratique, idéalement sur du matériel serveur Dell.
- Capacité à diagnostiquer les pannes matérielles GPU (aucune expertise GPU approfondie requise).
- Connaissance d'InfiniBand (important).
- Anglais courant (toute la communication client se fait en anglais).
Non requis
- Pas d'administration système avancée.
- Pas d'expertise Slurm ou ordonnanceur de tâches.
- Pas de background en applications HPC ou portage GPU.
Configuration
- Full remote.
- Couverture en semaine (premier recrutement ; l'équipe s'étendra pour couvrir une plage plus large).