1、智算平台运维：负责大规模GPU集群平台的日常运维与监控，确保平台稳定运行(N卡/国内GPU卡)； 2、系统部署与管理：协助进行服务器、存储设备及网络设备的上架、部署、配置、管理与维护； 3、故障排除与性能调优：及时响应GPU集群软硬件、网络及操作系统故障，进行排查与处理，优化系统性能，保障平台的高效运行； 4、巡检：定期对智算平台GPU节点及网络设备软硬件、服务等进行巡检，按时提交高质量日常报告； 5、文档维护：编写与更新运维文档，包括配置文件、操作手册和故障排查记录；

1、熟悉 Linux 系统管理与操作（如 CentOS、Ubuntu 等）及排障； 2、熟悉常见的云平台（如阿里云、腾讯云、AWS）及虚拟化技术 3、熟悉容器化技术，如docker/k8s等，有cka证书优先； ---重点 4、具备一定的监控工具使用经验（如 Prometheus、Grafana、Zabbix 等）； 5、熟悉Python、Shell、Go等一种或多种编程语言