Ingeniero Sénior de Infraestructura de Cómputo de IA

Payward —la empresa matriz detrás de Kraken, NinjaTrader, Breakout, xStocks, Payward Services y CF Benchmarks— ha pasado los últimos 15 años construyendo una de las plataformas de infraestructura financiera más modernas y accesibles globalmente del sector, creada para impulsar un sistema financiero abierto y global.

Antes de que te postules, te animamos a explorar nuestra página de cultura para entender qué nos motiva y cómo trabajamos.

Fundada en 2011, Kraken es una de las plataformas de criptomonedas con más trayectoria en el mundo, en la que confían más de 10 millones de personas e instituciones en todo el planeta. Ofrece servicios de trading al contado (spot), margen, futuros, staking y OTC, con productos diseñados tanto para inversores individuales como para clientes institucionales.

Kraken está creando un equipo dedicado de AI Compute and Infrastructure para impulsar la próxima generación de entrenamiento, inferencia, evaluación y experimentación de modelos en todo el exchange. Este equipo forma parte del liderazgo de ingeniería y es responsable de la capa de infraestructura que permite a Kraken ejecutar cargas de trabajo de IA con control, velocidad, fiabilidad y disciplina de costes.

El equipo es responsable de la infraestructura de GPU y aceleradores, las operaciones de clúster, la planificación (scheduling), el servicio de modelos (model serving), la observabilidad, la planificación de capacidad y el cómputo eficiente en costes a escala. Este es el núcleo que permite a Kraken entrenar, servir, evaluar e iterar sobre sistemas de IA de forma interna cuando es crucial para la privacidad, la latencia, la fiabilidad, el coste o la diferenciación del producto.

Te unirás a un equipo pequeño, de alto nivel y de gran impacto que trabajará directamente con investigadores de AI/ML, ingenieros de plataformas, equipos de seguridad y equipos de producto. El mandato es sencillo: hacer realidad las ambiciones de IA de Kraken construyendo una infraestructura de cómputo que sea rápida, fiable, eficiente y de grado de producción.

• Gestionar y operar clústeres de GPU y aceleradores utilizados para el entrenamiento, la inferencia, la evaluación y la experimentación, incluyendo drivers, runtimes, kernels, plugins de dispositivos, configuración de nodos, primitivas de planificación y aislamiento de cargas de trabajo.

• Diseñar infraestructura que permita a los equipos de Kraken ejecutar modelos localmente en GPUs cuando sea estratégica y económicamente preferible, reduciendo la dependencia innecesaria de proveedores externos y conteniendo los costes de cómputo.

• Construir y mejorar los sistemas de planificación, orquestación, ubicación, gestión de cuotas y utilización en entornos de aceleradores heterogéneos.

• Optimizar los pipelines de inferencia para latencia, rendimiento (throughput), fiabilidad, eficiencia de memoria y coste utilizando frameworks como vLLM, Triton Inference Server, TensorRT o stacks de servicio equivalentes.

• Colaborar con ingenieros de ML e investigadores para eliminar cuellos de botella en los flujos de trabajo de entrenamiento, evaluación, inferencia por lotes (batch inference), inferencia online, despliegue y depuración en producción.

• Construir la observabilidad para la utilización de GPU, la presión de memoria, la profundidad de la cola, la saturación, el rendimiento de tokens, la latencia de las solicitudes, las cargas de trabajo fallidas, la presión de capacidad y el gasto.

• Impulsar la fiabilidad, la respuesta ante incidentes, las alertas, los runbooks y las mejoras post-incidente para una infraestructura de cómputo de IA siempre activa.

• Evaluar e integrar nuevo hardware, familias de instancias en la nube, aceleradores especializados, runtimes, planificadores y frameworks de servicio a medida que evoluciona el panorama de la infraestructura de IA.

• Desarrollar herramientas que hagan que el uso de la GPU sea visible, auditable y más fácil de consumir para los equipos internos sin necesidad de que se conviertan en expertos en infraestructura.

• Contribuir a las decisiones de arquitectura a largo plazo que equilibren el rendimiento, la eficiencia de costes, la escalabilidad, la simplicidad operativa y la seguridad en producción.

• Más de 5 años de experiencia en ingeniería de infraestructura, con un tiempo significativo dedicado al cómputo de 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 basada en aceleradores en entornos de producción o similares a producción, incluyendo planificación, orquestación, monitorización de la utilización y optimización de costes.

• Sólidos fundamentos de ingeniería de sistemas en Linux, redes, almacenamiento, contenedores, Kubernetes, runtimes distribuidos y depuración en producción.

• Experiencia con frameworks de servicio de ML como vLLM, Triton Inference Server, TensorRT, TorchServe, KServe, Ray Serve o sistemas equivalentes.

• Dominio de Python para la automatización de infraestructura, creación de herramientas, depuración, integración y flujos de trabajo operativos.

• Comprensión práctica de las compensaciones de rendimiento (tradeoffs) entre procesamiento por lotes, concurrencia, uso de memoria, utilización de GPU, tamaño del modelo, latencia, rendimiento, disponibilidad y coste.

• Trayectoria optimizando los costes de cómputo manteniendo expectativas claras de rendimiento, fiabilidad y disponibilidad.

• Experiencia construyendo sistemas observables con métricas, logs, trazas, dashboards, alertas y flujos de trabajo de incidentes útiles.

• Comodidad trabajando en entornos de alta responsabilidad y siempre activos, donde el tiempo de actividad, el rendimiento, la corrección y la disciplina operativa son críticos.

• Comunicador claro capaz de traducir las compensaciones de infraestructura para investigadores, equipos de producto, ingenieros de plataformas, partes interesadas de seguridad y el liderazgo de ingeniería.

• Experiencia en un laboratorio de IA de vanguardia, un hyperscaler, una firma de trading de alta frecuencia, una plataforma de investigación o una organización de ML a gran escala.

• Familiaridad con silicio personalizado o aceleradores especializados como TPUs, AWS Trainium, Gaudi o plataformas similares.

• Experiencia en planificación de capacidad, aportación en adquisiciones, estrategia de capacidad reservada, economía de aceleradores en la nube o gestión de costes de flotas de GPU.

• Experiencia con frameworks de entrenamiento distribuido como DeepSpeed, Megatron-LM, FSDP, Ray o sistemas equivalentes.

• Experiencia depurando problemas de CUDA, NCCL, kernel, driver, runtime, memoria, redes o de rendimiento a bajo nivel.

• Experiencia con Rust, C++, Go, CUDA u otros lenguajes de sistemas utilizados para infraestructura crítica en cuanto a rendimiento.

• Experiencia en cripto, servicios financieros, infraestructura de trading o infraestructura de producción sensible a la seguridad.

A menos que se indique una fecha límite de solicitud específica en el anuncio de empleo, las solicitudes se aceptan de forma continua.

Ten en cuenta que se permite a los solicitantes tachar o eliminar de su currículum la información que identifique la edad, la fecha de nacimiento o las fechas de asistencia o graduación de una institución educativa.

Consideramos a solicitantes cualificados con antecedentes penales para trabajar en nuestro equipo, evaluando a los candidatos de una manera coherente con los requisitos de la Ordenanza de Oportunidades Justas de San Francisco.

Payward se nutre de personas de todo el mundo y celebramos los diversos talentos, trayectorias, contribuciones y perspectivas únicas que cada uno aporta. Contratamos por mérito, buscando personas con las capacidades, conocimientos y habilidades adecuadas para el puesto. Te animamos a que te postules a roles en los que no cumplas totalmente los requisitos enumerados, especialmente si te apasionan o tienes conocimientos sobre las criptomonedas.

Es posible que pidamos a los candidatos que completen evaluaciones de habilidades o de estilo de trabajo relacionadas con el puesto como parte de nuestro proceso de contratación. Estas evaluaciones evalúan competencias relevantes para el rol y se aplican de forma coherente a todos los candidatos para puestos similares. Los resultados se consideran junto con la experiencia y las entrevistas, y no son la única base para ninguna decisión de empleo.

Como empleador que ofrece igualdad de oportunidades, no toleramos la discriminación ni el acoso de ningún tipo, ya sea por motivos de raza, etnia, edad, identidad de género, ciudadanía, religión, orientación sexual, discapacidad, embarazo, condición de veterano o cualquier otra característica protegida según lo dispuesto por las leyes federales, estatales o locales.

Síguenos en Twitter

Aprende en el Blog de Kraken

Conecta en LinkedIn

Aviso de privacidad para candidatos