机房建设与运维：
负责公司数据中心的规划、建设和维护，确保硬件设施的稳定性和可靠性。
深入了解GPU及其他高性能计算硬件的安装、配置、调试和维护，保障计算资源的高效利用。
管理和优化机房环境（包括温度、湿度、电力供应等），并解决散热问题，确保设备稳定运行。
系统部署与运维：
负责关键系统和应用的部署、配置与维护，确保系统在高负载情况下的稳定运行。
通过自动化运维工具提升部署效率，进行持续集成与持续交付（CI/CD）工作。
监控和优化运维流程，确保系统高可用性，并持续提升系统性能。
GPU及高性能计算支持：
负责基于GPU的高性能计算平台的管理，优化GPU资源的分配与调度。
对GPU及散热系统的设计、调试和维护有深入理解，确保设备在高负载环境下的散热效率。
参与GPU相关硬件的故障诊断与修复，保障计算任务的顺利进行。
出差与现场支持：
根据公司项目需求，前往不同地点进行系统部署和现场运维支持，确保项目按时交付。
与项目团队紧密配合，解决现场遇到的各类技术问题。
故障响应与排查：
快速响应并处理生产环境中的各类故障，保障系统的稳定性与可靠性。
进行故障分析并提供解决方案，预防潜在的系统故障。
文档管理与报告：
撰写并更新运维相关的技术文档、操作手册、部署手册等。
提供运维报告，进行系统性能分析与持续改进建议。

学历背景：计算机科学、电子工程、信息技术或相关专业本科及以上学历。
工作经验：
3年以上运维工程师或相关技术岗位工作经验。
深入了解GPU（包括NVIDIA、AMD等厂商）及高性能计算硬件，具备高负载环境下的系统优化能力。
有数据中心建设与管理经验，熟悉电力、网络、散热等机房基础设施的维护。
熟悉常见操作系统（Linux、Windows Server）的安装、配置和维护，具备故障排查和问题解决的能力。
技术能力：
精通运维自动化工具和脚本语言（如Ansible、Puppet、Python、Shell等）。
熟悉虚拟化技术（如VMware、Hyper-V等）及容器化（Docker、Kubernetes等）运维。
了解数据中心的网络架构、负载均衡、存储系统等相关技术。
对GPU调优、散热系统的设计与管理有深入的实践经验。
其他要求：
强烈的责任心与团队合作精神，良好的沟通能力，能承受较高的工作压力。
能接受短期及长期出差，根据项目需求适应不同工作地点。
优先考虑：
具有云计算平台（如AWS、Azure）运维经验者优先。
具备相关运维认证（如RHCE、CKA/CKS、ACP、ITSS、ITIL、CISP等）者优先。
有GPU大规模计算平台的运维经验者优先。