GPUクラスター基盤構築支援（NVIDIA AI Enterprise※NVAIE）

背景： 大手SIerでは、NVIDIA Blackwellアーキテクチャーを採用した「NVIDIA DGX SuperPOD（DGX B200）」を自社データセンターに設置し、プライベート環境で利用可能な大規模機械学習向け基盤「GPU as a Service（GPUaaS）」を提供している。 また、液冷GPUを搭載したコンテナ型データセンターの展開や、NVIDIA AI Enterprise（NeMo、NIM等）を組み込んだエンタープライズ向け「AIファクトリー」の推進、グループ全体でのAIネイティブインフラ構想など、GPU基盤事業を急拡大させている。 作業内容： 今回、GPUaaS／AIファクトリー案件の増加に伴い、GPUクラスターのサーバー・ソフトウェアスタック領域の技術者として、下記業務（一例）を担当いただき、プロパーと共に構築・導入をリードいただく。 ・GPUサーバー（NVIDIA DGX／HGX、各社OEMサーバー）を用いたGPUクラスターの要件定義・基本設計・詳細設計 ・GPUサーバーのキッティング、OS（Ubuntu／RHEL）・GPUドライバ・CUDA・ファームウェアの導入および構築自動化 ・NVIDIA AI Enterprise（NIM、NeMo、Triton Inference Server等）の導入・ライセンス設計・動作検証 ・ジョブスケジューラ（Slurm）／Kubernetes（NVIDIA GPU Operator等）によるGPUリソース管理・マルチテナント環境の構築 ・NVIDIA Base Command Manager等によるクラスター管理基盤の構築、監視（DCGM等）・運用設計 ・NCCLテスト・ベンチマーク等による性能評価、障害切り分け・チューニング ・顧客向け提案・技術支援（構成検討、見積根拠作成、技術QA対応）

（必須） ・NVIDIA AI Enterprise（NIM NeMo Triton Inference Server GPU Operator等）の導入・運用経験 ・GPUクラスターまたはHPCクラスターの設計・構築の実務経験（サーバー領域） ・Linux（Ubuntu／RHEL等）サーバーの設計・構築・運用の実務経験 ・NVIDIA GPUドライバ CUDA コンテナランタイム（NVIDIA Container Toolkit等）の導入・トラブルシュート経験 ・Slurm Kubernetes等を用いたGPUリソース管理基盤の構築経験 ・インフラ構築プロジェクトにおけるリーダーまたはサブリーダーとしての推進経験 （尚可） ・NVIDIA DGX SuperPOD／DGX BasePOD HGX系サーバーの構築経験 ・NVIDIA Base Command Manager（旧Bright Cluster Manager）の利用経験 ・大規模分散学習（PyTorch分散 NCCL MPI）の性能検証・チューニング経験 ・NVIDIA認定資格（NVIDIA-Certified Professional: AI　Infrastructure等） ・GPUaaS／プライベートクラウドの商用サービス立ち上げ経験