Компанията d-Matrix разработва технологии за инференция на изкуствен интелект в центрове за данни, предназначени да подобрят ефективността на изчисленията чрез изчисления в паметта. Основана през 2019 г., компанията съчетава проектиране на специализирани схеми, инструменти за машинно обучение, софтуер, алгоритми и междусистемни връзки на ниво чиплети, за да се справи с предизвикателството при интегрирането на памет и изчисления за съвременни работни натоварвания с изкуствен интелект.
Директор на Site Reliability Engineering за AI инфраструктура — d-Matrix, Санта Клара, хибридна работа
Ще ръководите SRE организацията на d-Matrix за инфраструктурата за инференция на генеративен изкуствен интелект. Ще отговаряте за надеждността, наблюдаемостта, автоматизацията, съхранението и хибридните облачни и локални операции.
Съединени щати
Калифорния195 000 $ – 285 000 $ / година
ХибридноПълен работен денВодещ специалистЗадължителен Език: английскиDevOps инженерОписание
- Създаване и ръководене на организацията Site Reliability Engineering в d-Matrix.
- Създаване на хартата на SRE и внедряване на практики за надеждност в хардуерното и софтуерното инженерство.
- Набиране, развитие и задържане на екип от един до трима SRE инженери.
- Управление на екипа от техници на центъра за данни и лабораторията и определяне на оперативни приоритети и стандарти.
- Поемане на отговорност за надеждността 24/7 в колокационни центрове, локални лабораторни клъстери, облачни среди и платформени услуги за клиенти.
- Проектиране на устойчиви системи около домейни на отказ, поетапно внедряване и дисциплинирано управление на промените.
- Определяне на индикатори за ниво на услугата, цели за ниво на услугата и бюджети за грешки.
- Създаване на процеси за дежурства, включително модел follow-the-sun с разрастването на глобалните операции.
- Разработване на рамки за реакция при инциденти и анализ на първопричините.
- Ръководене на наблюдаемостта на метрики, трасета и логове.
- Развитие на автоматизацията, базирана на Terraform и Ansible, включително самовъзстановяваща се инфраструктура.
- Внедряване на автоматизация на жизнения цикъл на хостовете, отстраняване на проблеми във флотилията и предупреждения с поддръжка на AIOps.
- Управление на FinOps и планирането на капацитета в облачни, колокационни и локални среди.
- Ръководене на прехода от ad hoc JBOD съхранение към корпоративно споделено съхранение в локални, колокационни и облачни среди.
- Сътрудничество с екипите Software Tools, QA DevOps, Engineering, Networking Operations и IT Operations за подобряване на надеждността, разходната ефективност и управлението на техническия дълг.
Изисквания
- Бакалавърска или магистърска степен по компютърни науки, електротехника или сродна дисциплина.
- Най-малко 15 години опит в SRE, инфраструктурно или продукционно инженерство.
- Най-малко пет години опит в ръководенето на екипи по SRE или инфраструктурно инженерство.
- Опит в създаването или цялостното преструктуриране на функция по SRE или инфраструктурно инженерство.
- Опит в определянето на SLO, изграждането на програми за дежурства, внедряването на наблюдаемост и ръководенето на организационни промени.
- Напреднали познания по Linux системи.
- Опит с корпоративно споделено съхранение, включително NAS/SAN, NFS/SMB в голям мащаб, архитектури за моментни снимки и репликация и интеграция на хибридно облачно съхранение.
- Опит в експлоатацията на колокационни центрове и локален хардуер в голям мащаб.
- Разбиране на управлението на жизнения цикъл на сървъри, системите за захранване и охлаждане и мрежите на ниво шкаф.
- Практически опит с Terraform и Ansible в продукция, включително проектиране на модули, отдалечено състояние, изолиране на среди и управление на промените.
- Опит в експлоатацията на Kubernetes клъстери, включително управление на жизнения цикъл, надеждност на работните натоварвания, съхранение и RBAC в голям мащаб.
- Опит с платформи за наблюдаемост като Prometheus, Grafana, Datadog или Splunk.
- Силни умения за скриптове на Python или Go за продукционни услуги и автоматизация на инфраструктурата.
- Отлични умения за комуникация с ръководни кадри.
- Способност за ефективна работа в среда с висока степен на неяснота и малко процеси.
- Опит в експлоатацията на инфраструктура или платформени услуги за клиенти е предимство.
- Познания по InfiniBand, RoCE или NVLink са предимство.
- Опит с HPC планировчици като Slurm, LSF или еквивалент е предимство.
- Опит с хибридни и мултиоблачни операции в AWS, Azure и GCP е предимство.
- Експертиза във FinOps е предимство.
- Познанията по ITIL или еквивалентна рамка за управление на инциденти, проблеми и промени са предимство.
- Публикувани технически материали, презентации на конференции или приноси към проекти с отворен код са предимство.
- Трябва да имате законово право да работите в Съединените щати.
Придобивки
- Компенсация под формата на дялово участие.
- Бонуси или стимули, свързани с индивидуалното и фирменото представяне.
- Медицинска застраховка.
- Стоматологична застраховка.
- Застраховка за зрението.
- План 401(k).
- Приобщаваща програма за възнаграждения, насочена към благосъстоянието на служителите и техните близки.