Senior AI Compute Infrastructure Engineer in Madrid

Senior AI Compute Infrastructure Engineer in Madrid

Madrid Full Time 49500 - 60500 € / año (est.) Presencial
Kraken

De un vistazo

  • Tareas: Construye y opera infraestructuras de computación AI de alto rendimiento para modelos y experimentos.
  • Empresa: Kraken, líder en tecnología financiera con un enfoque innovador.
  • Beneficios: Salario competitivo, beneficios de salud y oportunidades de desarrollo profesional.
  • Otra información: Ambiente dinámico con oportunidades de crecimiento profesional y aprendizaje continuo.
  • Por qué este empleo: Únete a un equipo pequeño y de alto impacto que transforma la infraestructura AI.
  • Cualificaciones: 5+ años de experiencia en ingeniería de infraestructura y manejo de clústeres GPU.

El salario previsto está entre 49500 - 60500 € por año.

Kraken está construyendo un equipo dedicado de infraestructura y computación AI para impulsar la próxima generación de entrenamiento, inferencia, evaluación y experimentación de modelos en el intercambio. Este equipo se encuentra dentro del liderazgo de ingeniería y es responsable de la capa de infraestructura que permite a Kraken ejecutar cargas de trabajo de AI con control, velocidad, fiabilidad y disciplina de costos.

El equipo es responsable de la infraestructura de GPU y aceleradores, operaciones de clúster, programación, servicio de modelos, observabilidad, planificación de capacidad y computación eficiente en costos a gran escala. Esta es la columna vertebral que permite a Kraken entrenar, servir, evaluar e iterar sobre sistemas de AI internamente donde es importante para la privacidad, latencia, fiabilidad, costo o diferenciación de productos.

Te unirás a un pequeño equipo senior de alto impacto que trabaja directamente con investigadores de AI/ML, ingenieros de plataforma, equipos de seguridad y equipos de producto. El mandato es simple: hacer realidad las ambiciones de AI de Kraken construyendo una infraestructura de computación que sea rápida, confiable, eficiente y de calidad de producción.

Responsabilidades

  • Poseer y operar clústeres de GPU y aceleradores utilizados para entrenamiento, inferencia, evaluación y experimentación, incluyendo controladores, tiempos de ejecución, núcleos, complementos de dispositivo, configuración de nodos, primitivas de programación y aislamiento de carga de trabajo.
  • Diseñar infraestructura que permita a los equipos de Kraken ejecutar modelos localmente en GPUs donde sea estratégicamente y económicamente preferible, reduciendo la dependencia innecesaria de proveedores externos y conteniendo los costos de computación.
  • Construir y mejorar sistemas de programación, orquestación, colocación, gestión de cuotas y utilización en entornos de aceleradores heterogéneos.
  • Optimizar tuberías de inferencia para latencia, rendimiento, fiabilidad, eficiencia de memoria y costo utilizando marcos como vLLM, Triton Inference Server, TensorRT o pilas de servicio equivalentes.
  • Colaborar con ingenieros y investigadores de ML para eliminar cuellos de botella en entrenamiento, evaluación, inferencia por lotes, inferencia en línea, implementación y flujos de trabajo de depuración en producción.
  • Construir observabilidad para utilización de GPU, presión de memoria, profundidad de cola, saturación, rendimiento de tokens, latencia de solicitudes, cargas de trabajo fallidas, presión de capacidad y gastos.
  • Impulsar la fiabilidad, respuesta a incidentes, alertas, manuales de operación y mejoras post-incidente para infraestructura de computación AI siempre activa.
  • Evaluar e integrar nuevo hardware, familias de instancias en la nube, aceleradores especializados, tiempos de ejecución, programadores y marcos de servicio a medida que evoluciona el paisaje de infraestructura de AI.
  • Construir herramientas que hagan visible, responsable y más fácil el uso de GPU para los equipos internos sin necesidad de convertirse en expertos en infraestructura.
  • Contribuir a decisiones arquitectónicas a largo plazo que equilibren rendimiento, eficiencia de costos, escalabilidad, simplicidad operativa y seguridad en producción.

Experiencia y Habilidades

  • Más de 5 años de experiencia en ingeniería de infraestructura, con tiempo significativo dedicado a computación GPU, infraestructura de ML, sistemas distribuidos, computación de alto rendimiento o plataformas de producción a gran escala.
  • Experiencia práctica operando clústeres de GPU o infraestructura respaldada por aceleradores en entornos de producción o similares, incluyendo programación, orquestación, monitoreo de utilización y optimización de costos.
  • Fuertes fundamentos de ingeniería de sistemas en Linux, redes, almacenamiento, contenedores, Kubernetes, tiempos de ejecución distribuidos y depuración en producción.
  • Experiencia con marcos de servicio de ML como vLLM, Triton Inference Server, TensorRT, TorchServe, KServe, Ray Serve o sistemas equivalentes.
  • Dominio de Python para automatización de infraestructura, herramientas, depuración, integración y flujos de trabajo operativos.
  • Comprensión práctica de los compromisos de rendimiento en términos de agrupamiento, concurrencia, uso de memoria, utilización de GPU, tamaño del modelo, latencia, rendimiento, disponibilidad y costo.
  • Historial de optimización de costos de computación mientras se mantienen expectativas claras de rendimiento, fiabilidad y disponibilidad.
  • Experiencia construyendo sistemas observables con métricas útiles, registros, trazas, paneles, alertas y flujos de trabajo de incidentes.
  • Cómodo trabajando en entornos críticos y siempre activos donde el tiempo de actividad, rendimiento, corrección y disciplina operativa son fundamentales.
  • Comunicador claro que puede traducir compromisos de infraestructura para investigadores, equipos de producto, ingenieros de plataforma, partes interesadas de seguridad y liderazgo de ingeniería.

Habilidades Deseables

  • Experiencia en un laboratorio de AI de frontera, hyperscaler, firma de trading de alta frecuencia, plataforma de investigación o organización de ML a gran escala.
  • Familiaridad con silicio personalizado o aceleradores especializados como TPUs, AWS Trainium, Gaudi o plataformas similares.
  • Antecedentes en planificación de capacidad, insumos de adquisición, estrategia de capacidad reservada, economía de aceleradores en la nube o gestión de costos de flota de GPU.
  • Experiencia con marcos de entrenamiento distribuido como DeepSpeed, Megatron-LM, FSDP, Ray o sistemas equivalentes.
  • Experiencia depurando CUDA, NCCL, núcleo, controlador, tiempo de ejecución, memoria, redes o problemas de rendimiento de bajo nivel.
  • Experiencia con Rust, C++, Go, CUDA u otros lenguajes de sistemas utilizados para infraestructura crítica de rendimiento.
  • Experiencia en criptomonedas, servicios financieros, infraestructura de trading o infraestructura de producción sensible a la seguridad.

Información Adicional

A menos que se indique una fecha límite específica de solicitud en la publicación del trabajo, las solicitudes se aceptan de manera continua. Tenga en cuenta que se permite a los solicitantes redactar o eliminar información en su currículum que identifique edad, fecha de nacimiento o fechas de asistencia o graduación de una institución educativa.

Consideramos a los solicitantes calificados con antecedentes penales para empleo en nuestro equipo, evaluando a los candidatos de manera consistente con los requisitos de la Ordenanza de Oportunidad Justa de San Francisco. Podemos pedir a los candidatos que completen evaluaciones de habilidades relacionadas con el trabajo o evaluaciones de estilo de trabajo como parte de nuestro proceso de contratación. Estas evaluaciones están diseñadas para evaluar competencias relevantes para el rol y se aplican de manera consistente a través de candidatos para posiciones similares. Los resultados de las evaluaciones se consideran junto con otra información relevante, como experiencia y entrevistas, y no son la única base para ninguna decisión de empleo.

Como empleador de igualdad de oportunidades, no toleramos la discriminación ni el acoso de ningún tipo. Ya sea basado en raza, etnia, edad, identidad de género, ciudadanía, religión, orientación sexual, discapacidad, embarazo, estatus de veterano o cualquier otra característica protegida según lo establecido por las leyes federales, estatales o locales.

Senior AI Compute Infrastructure Engineer in Madrid empresa: Kraken

Kraken es un empleador excepcional que fomenta un ambiente de trabajo inclusivo y diverso, donde cada miembro del equipo tiene la oportunidad de crecer y contribuir a la evolución de una infraestructura financiera moderna. Con un enfoque en la innovación y la colaboración, los empleados disfrutan de beneficios competitivos y oportunidades de desarrollo profesional, todo mientras trabajan en un sector dinámico y en constante cambio como el de las criptomonedas. Además, la ubicación global de Kraken permite a los equipos colaborar con talento de todo el mundo, enriqueciendo aún más la cultura laboral.

Kraken

Datos de contacto:

Equipo de selección de Kraken

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Senior AI Compute Infrastructure Engineer in Madrid

✨Conéctate con la comunidad tech

Asistir a meetups y conferencias de software en tu área es una gran manera de conocer a la gente clave en la industria. Compartir tus intereses y proyectos en estos eventos puede abrirte puertas inesperadas.

✨Aprovecha las plataformas de código abierto

Contribuir a proyectos de código abierto no solo demuestra tus habilidades técnicas, sino que también te ayuda a hacer contactos valiosos. Además, ¡es una excelente forma de mostrar tu trabajo a futuros empleadores como Kraken!

✨Política de puertas abiertas

No dudes en hacer ‘walk-ins’ en empresas tech locales. Lleva tu CV y una sonrisa, ¡nunca sabes quién puede estar buscando talento nuevo como el tuyo!

✨Aplica directamente en Kraken

Si encuentras una oportunidad que te emociona, como un puesto de Senior AI Compute Infrastructure Engineer, no esperes. Aplica a través de nuestra web y asegúrate de destacar tus proyectos y contribuciones, ¡eso puede marcar la diferencia!

Creemos que necesitas estas habilidades para triunfar como Senior AI Compute Infrastructure Engineer in Madrid

Ingeniería de Infraestructura
Operación de Clusters GPU
Optimización de Costos de Cómputo
Sistemas Distribuidos
Kubernetes
Frameworks de Servido de ML (vLLM, Triton Inference Server, TensorRT)
Automatización con Python

Algunos consejos para tu solicitud 🫡

Destaca tus proyectos personales:En ingeniería y desarrollo de software, es fundamental mostrar que no solo sabes hacer lo que se te pide, sino que también eres proactivo. Incluye un enlace a tu GitHub o proyectos personales en tu CV para que podamos ver de lo que eres capaz. Esto realmente añade un plus a tu aplicación.

Personaliza tu CV con tus habilidades técnicas:Asegúrate de destacar las habilidades técnicas que son relevantes para el puesto de Senior AI Compute Infrastructure Engineer en Kraken. ¿Conoces lenguajes de programación específicos, frameworks o herramientas que usamos? Menciónalos y, si tienes certificaciones, ¡añádelas! Esto nos muestra que estás preparado para el trabajo desde el primer día.

Carta de motivación sincera:Como estás aplicando a un puesto a tiempo completo, aprovecha la carta de motivación para contarnos por qué eres un buen fit para Kraken. Cuéntanos sobre tu pasión por la tecnología y cómo quieres contribuir al equipo. Queremos saber más sobre tu enfoque y cómo te ves creciendo con nosotros.

Formato claro y conciso:En el mundo del software, la claridad y la concisión son clave. Asegúrate de que tu CV y carta de motivación sean fáciles de leer y bien estructurados. Usa viñetas para resaltar logros y habilidades, y no te olvides de revisar el formato para que se vea profesional, ¡aunque no tienes que ser excesivamente formal!

Cómo prepararte para una entrevista de trabajo en Kraken

✨Prepárate para los retos técnicos

En el mundo de la ingeniería y desarrollo de software, es probable que enfrentes preguntas técnicas y ejercicios de codificación en tu entrevista. Asegúrate de practicar algoritmos y estructuras de datos, porque los reclutadores en Kraken querrán ver cómo resuelves problemas en tiempo real.

✨Muestra tu portafolio de proyectos

Como candidato a un puesto a tiempo completo, es crucial que muestres un portafolio sólido. Presenta tus proyectos anteriores, especialmente aquellos que demuestran habilidades técnicas relevantes y tu capacidad para trabajar en equipo. ¡No dudes en explicar las tecnologías que utilizaste y los desafíos que superaste!

✨Conoce la cultura de trabajo

Investiga a fondo la cultura de trabajo de Kraken. Como ingeniere, a menudo trabajarás en equipo, por lo que demostrar que puedes integrarte bien y que compartes sus valores es clave. Prepara ejemplos de cómo has colaborado en el pasado para alinearte con lo que ellos buscan.

✨Repasa conceptos clave

Haz una lista de conceptos y herramientas clave que son esenciales en el desarrollo de software, como lenguajes de programación, frameworks, y metodologías ágiles. Esto no solo te ayudará a responder preguntas, sino que también te permitirá hacer preguntas inteligentes que demuestren tu interés en el puesto y en las prácticas de Kraken.