Líder Técnico de Infraestructura GPU

• Experiencia. Ocho o más años de ingeniería práctica, incluyendo al menos tres años liderando equipos que construyen y operan plataformas de infraestructura de las que dependen otros equipos. Grado o Máster en informática o ingeniería, o experiencia práctica equivalente.

• Slurm a escala, de forma práctica. Haber ejecutado slurmctld y slurmdbd para usuarios reales: particiones, QoS y prioridad, contabilidad, prolog y epilog, scripting de salud de nodos, actualizaciones con trabajos en el sistema. Idealmente, haber operado un clúster de HPC o de entrenamiento de GPU para una población de investigación.

• Operación de flota de GPU en bare metal. Ciclo de vida de drivers NVIDIA y CUDA, comportamiento de Fabric Manager y NVSwitch en sistemas SXM, salud y utilización basadas en DCGM, MIG, burn-in y aceptación de nodos.

• Interconexiones de alto rendimiento. Configuración de tejido (fabric) e infraestructura de subred InfiniBand, RDMA, SR-IOV y diagnóstico de problemas de rendimiento de NCCL en entornos multi-nodo.

• Profundidad en sistemas Linux. Módulos del kernel y drivers, PCIe passthrough y vfio-pci, cgroups y namespaces, optimización de rendimiento para cargas de trabajo intensivas en computación.

• Operación de Kubernetes en producción, no solo despliegue: plano de control, actualizaciones, CNI y CSI, operadores y controladores personalizados, diseño de multi-tenencia.

• Almacenamiento HPC y movimiento de datos. Sistemas de archivos compartidos (VAST, Lustre, NFS), caché NVMe local en el nodo, distribución de pesos de modelos grandes y conjuntos de datos a través de muchos nodos.

• Observabilidad y operaciones. Prometheus, Grafana y Loki o equivalentes, SLO, respuesta ante incidentes y revisión post-incidente.

• Fluidez de trabajo en JavaScript y Node.js suficiente para revisar un plano de control, CLI y servicios de trabajadores con autoridad y para tomar decisiones de arquitectura sobre ellos. No es un requisito para el desarrollo de funcionalidades.

• Una plataforma lanzada con usuarios reales. Un IaaS o PaaS multi-inquilino, o un servicio de computación de investigación: aislamiento de recursos, cuotas, medición de uso y superficies de API y CLI orientadas al usuario.

• Liderazgo que se mantiene en el código. Gestión de personas en diferentes zonas horarias, revisión entre pares (cross-track), decisiones de arquitectura escritas con registro de alternativas, y la capacidad de decir no a un socio o a un ejecutivo con argumentos.

• Excelente inglés escrito y hablado. La mayor parte del trabajo con socios y el liderazgo se realiza por escrito.

• Ubicación. Totalmente remoto, basado entre UTC y UTC+5:30 para que la jornada laboral coincida tanto con Europa como con India, donde trabajan el equipo y sus socios. Viajes ocasionales a las instalaciones de los socios y eventos de equipo.

• Operadores de Slurm en Kubernetes (Soperator, Slinky) o planificadores nativos de Kubernetes (Kueue, Volcano, KAI, Kubeflow Trainer).

• Stacks de servicio modernos (vLLM, SGLang, TensorRT-LLM): estrategias de paralelismo, compromisos de cuantización, planificación de memoria de GPU.

• Aislamiento de VM y contenedores para computación de GPU multi-inquilino (KubeVirt, Kata Containers, QEMU y KVM, Firecracker); computación confidencial (Intel TDX, AMD SEV-SNP, modo de computación confidencial de NVIDIA).

• Cluster API y kubeadm, Cilium, autorreparación de clase NVSentinel, infraestructura como código y GitOps.

• Experiencia en el lado del operador de una nube de GPU, un centro nacional o universitario de HPC, o el equipo de plataforma de un laboratorio de IA.

• Antecedentes en sistemas distribuidos o peer-to-peer.

• Experiencia con un proveedor de hardware que aprovisiona pero no opera, y la capacidad de convertir esa relación en un contrato escrito con pruebas de aceptación.

En Tether, no solo estamos creando productos, estamos liderando una revolución financiera global. Nuestras soluciones de vanguardia permiten a las empresas —desde exchanges y monederos hasta procesadores de pagos y cajeros automáticos— integrar sin problemas tokens respaldados por reservas a través de diversas blockchains. Al aprovechar el poder de la tecnología blockchain, Tether te permite almacenar, enviar y recibir tokens digitales de forma instantánea, segura y global, todo por una fracción del coste. La transparencia es la base de todo lo que hacemos, garantizando la confianza en cada transacción.

Cosmic AC es la plataforma de computación de GPU e inferencia gestionada de Tether Data: contenedores de GPU, endpoints de inferencia gestionados y observabilidad de la plataforma, entregados como un paquete autoalojado en Kubernetes, con un plano de control escrito en JavaScript. La plataforma se está expandiendo desde la orquestación de cargas de trabajo en un clúster gestionado hacia la gestión de todo el stack en infraestructura de GPU bare-metal: primero, una capa de planificación Slurm gestionada para los equipos internos de investigación y entrenamiento de modelos, y posteriormente, nuestro propio plano de control de Kubernetes para la tenencia de inferencia.

El Technical Lead es responsable de la arquitectura y la entrega de ese stack y lidera el equipo de ingeniería que lo construye: unos doce ingenieros en las áreas de backend, frontend, DevOps, QA y documentación, distribuidos por Europa e India. El puesto reporta al Senior Technical Product Manager de Cosmic AC, quien es responsable del alcance, la secuenciación y los compromisos con los socios; el Technical Lead es responsable de la arquitectura, la implementación y los planes de entrega, gestiona directamente a los ingenieros y es la principal interfaz técnica con nuestros socios de infraestructura.

Este es un rol de liderazgo de infraestructura con un enfoque práctico (hands-on) y un periodo de entrega fijo en sus primeros seis meses. No es un rol de investigación, no es un rol de SRE de Kubernetes puro, ni es un rol exclusivamente de gestión.

Arquitectura. Responsable de la arquitectura de la plataforma de extremo a extremo: propuestas de arquitectura, diseños de alto y bajo nivel, impulsados a través de revisiones y mantenidos actualizados como base de referencia.

Liderazgo de equipo. Liderar y gestionar directamente a un equipo distribuido en backend (Node.js), frontend (React), DevOps, QA y documentación: estándares de ingeniería, revisión de código y diseño, puertas de liberación (release gates), reuniones individuales (one-to-ones), y aportación en crecimiento y rendimiento.

Capa de planificación de GPU bare-metal. Diseñar, construir y operar un servicio Slurm gestionado para usuarios de investigación: controlador y contabilidad (accounting), particiones y nodos de acceso (login nodes), incorporación y aceptación de nodos, línea base y actualizaciones de drivers y CUDA, detección de trabajos bloqueados y de la salud de los nodos, drenaje y autorreparación (autohealing), visibilidad de almacenamiento, identidad y aislamiento.

Plano de control de Kubernetes y habilitación de GPU. Responsable del arranque (bootstrap) y el ciclo de vida del clúster en bare metal proporcionado por socios, NVIDIA GPU Operator y Network Operator, aislamiento de GPU basado en VM (KubeVirt y VFIO), y operaciones de día 2: actualizaciones, copia de seguridad y recuperación, sustitución de nodos.

Inferencia gestionada a escala. Arquitectura de servicio (serving), paralelismo multi-GPU y multi-nodo, escalado automático, enrutamiento de solicitudes y fiabilidad de los endpoints; capacidad con computación confidencial para cargas de trabajo sensibles.

Observabilidad y operaciones. Métricas, registro (logging), alertas y SLO en todo el plano de control, la flota de GPU y las capas de aplicación; respuesta ante incidentes y revisión post-incidente; un modelo de guardia (on-call) que un equipo pequeño pueda mantener.

Socios y proveedores. Interfaz técnica principal con socios y proveedores de infraestructura: transformar requisitos en especificaciones escritas y pruebas de aceptación, gestionar escaladas hasta su resolución y aportar información técnica para la planificación de capacidad y el suministro de hardware.

Consumidores internos. Trabajar directamente con los equipos de investigación, entrenamiento de modelos y producto para traducir sus cargas de trabajo en requisitos de la plataforma, y gestionar la capacidad cuando esta sea escasa.

Contratación. Completar el equipo de la plataforma y establecer el nivel técnico para los ingenieros que se incorporen al mismo.

Tether Finance: Nuestra innovadora suite de productos cuenta con la stablecoin más confiable del mundo, USDT, utilizada por cientos de millones de personas en todo el mundo, junto con servicios pioneros de tokenización de activos digitales.

Pero eso es solo el principio:

Tether Power: Impulsando el crecimiento sostenible, nuestras soluciones energéticas optimizan el exceso de energía para la minería de Bitcoin utilizando prácticas respetuosas con el medio ambiente en instalaciones de última generación y geográficamente diversas.

Tether Data: Impulsando avances en IA y tecnología peer-to-peer, reducimos los costes de infraestructura y mejoramos las comunicaciones globales con soluciones de vanguardia como KEET, nuestra aplicación insignia que redefine el intercambio de datos seguro y privado.

Tether Education: Democratizando el acceso al aprendizaje digital de primer nivel, empoderamos a las personas para que prosperen en las economías digital y gig, impulsando el crecimiento y las oportunidades globales.

Tether Evolution: En la intersección de la tecnología y el potencial humano, estamos ampliando los límites de lo que es posible, forjando un futuro donde la innovación y las capacidades humanas se fusionan de formas poderosas y sin precedentes.