De un vistazo
- Tareas: Construye y opera infraestructuras de computación AI de alto rendimiento para Kraken.
- Empresa: Kraken, líder en tecnología financiera y criptomonedas.
- 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 clusters GPU.
El salario previsto está entre 49500 - 60500 € por año.
The Role
Kraken is building a dedicated AI Compute and Infrastructure team to power the next generation of model training, inference, evaluation, and experimentation across the exchange.
This team sits within engineering leadership and owns the infrastructure layer that lets Kraken run AI workloads with control, speed, reliability, and cost discipline.
The team is responsible for GPU and accelerator infrastructure, cluster operations, scheduling, model serving, observability, capacity planning, and cost‑efficient compute at scale.
This is the backbone that allows Kraken to train, serve, evaluate, and iterate on AI systems in‑house where it matters for privacy, latency, reliability, cost, or product differentiation.
You will join a small, senior, high‑impact team working directly with AI/ML researchers, platform engineers, security teams, and product teams.
The mandate is simple: make Kraken's AI ambitions real by building compute infrastructure that is fast, dependable, efficient, and production‑grade.
Responsibilities
- Own and operate GPU and accelerator clusters used for training, inference, evaluation, and experimentation, including drivers, runtimes, kernels, device plugins, node configuration, scheduling primitives, and workload isolation.
- Design infrastructure that enables Kraken teams to run models locally on GPUs where it is strategically and economically preferable, reducing unnecessary dependency on external providers and containing compute costs.
- Build and improve scheduling, orchestration, placement, quota management, and utilization systems across heterogeneous accelerator environments.
- Optimize inference pipelines for latency, throughput, reliability, memory efficiency, and cost using frameworks such as v LLM, Triton Inference Server, Tensor RT, or equivalent serving stacks.
- Partner with ML engineers and researchers to remove bottlenecks in training, evaluation, batch inference, online inference, deployment, and production debugging workflows.
- Build observability for GPU utilization, memory pressure, queue depth, saturation, token throughput, request latency, failed workloads, capacity pressure, and spend.
- Drive reliability, incident response, alerting, runbooks, and post‑incident improvements for always‑on AI compute infrastructure.
- Evaluate and integrate new hardware, cloud instance families, specialized accelerators, runtimes, schedulers, and serving frameworks as the AI infrastructure landscape evolves.
- Build tooling that makes GPU usage visible, accountable, and easier for internal teams to consume without needing to become infrastructure experts.
- Contribute to long‑term architecture decisions that balance performance, cost efficiency, scalability, operational simplicity, and production safety.
Experience & Skills
- 5+ years of infrastructure engineering experience, with significant time spent on GPU compute, ML infrastructure, distributed systems, high‑performance computing, or large‑scale production platforms.
- Hands‑on experience operating GPU clusters or accelerator‑backed infrastructure in production or production‑like environments, including scheduling, orchestration, utilization monitoring, and cost optimization.
- Strong systems engineering fundamentals across Linux, networking, storage, containers, Kubernetes, distributed runtimes, and production debugging.
- Experience with ML serving frameworks such as v LLM, Triton Inference Server, Tensor RT, Torch Serve, KServe, Ray Serve, or equivalent systems.
- Proficiency in Python for infrastructure automation, tooling, debugging, integration, and operational workflows.
- Practical understanding of performance tradeoffs across batching, concurrency, memory usage, GPU utilization, model size, latency, throughput, availability, and cost.
- Track record of optimizing compute costs while maintaining clear performance, reliability, and availability expectations.
- Experience building observable systems with useful metrics, logs, traces, dashboards, alerts, and incident workflows.
- Comfortable working in high‑stakes, always‑on environments where uptime, throughput, correctness, and operational discipline are critical.
- Clear communicator who can translate infrastructure tradeoffs for researchers, product teams, platform engineers, security stakeholders, and engineering leadership.
- Nice to Have Skills
- Experience at a frontier AI lab, hyperscaler, high‑frequency trading firm, research platform, or high‑scale ML organization.
- Familiarity with custom silicon or specialized accelerators such as TPUs, AWS Trainium, Gaudi, or similar platforms.
- Background in capacity planning, procurement input, reserved capacity strategy, cloud accelerator economics, or GPU fleet cost management.
- Experience with distributed training frameworks such as Deep Speed, Megatron‑LM, FSDP, Ray, or equivalent systems.
- Experience debugging CUDA, NCCL, kernel, driver, runtime, memory, networking, or low‑level performance issues.
- Experience with Rust, C++, Go, CUDA, or other systems languages used for performance‑critical infrastructure.
- Crypto, financial services, trading infrastructure, or security‑sensitive production infrastructure experience.
- Additional Information
Unless a specific application deadline is stated in the job posting, applications are accepted on an ongoing basis.
Please note, applicants are permitted to redact or remove information on their resume that identifies age, date of birth, or dates of attendance at or graduation from an educational institution.
We consider qualified applicants with criminal histories for employment on our team, assessing candidates in a manner consistent with the requirements of the San Francisco Fair Chance Ordinance.
We may ask candidates to complete job‑related skills or work‑style assessments as part of our hiring process.
These assessments are designed to evaluate competencies relevant to the role and are applied consistently across candidates for similar positions.
Assessment results are considered alongside other relevant information, such as experience and interviews, and are not the sole basis for any employment decision.
As an equal opportunity employer, we don’t tolerate discrimination or harassment of any kind.
Whether that’s based on race, ethnicity, age, gender identity, citizenship, religion, sexual orientation, disability, pregnancy, veteran status or any other protected characteristic as outlined by federal, state or local laws.
Senior AI Compute Infrastructure Engineer 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.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Senior AI Compute Infrastructure Engineer
✨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
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.