NVIDIA vyvíjí technologie akcelerovaných výpočtů a umělé inteligence, které se využívají v herním průmyslu, datových centrech, cloud computingu, zdravotnictví, výrobě, automobilovém průmyslu a robotice. Společnost pracuje na grafických procesorech, platformách umělé inteligence, simulačních technologiích a řešeních zaměřených na jednotlivá odvětví, včetně NVIDIA Omniverse pro spolupráci na 3D projektech, NVIDIA DRIVE pro vývoj autonomních vozidel a NVIDIA Clara pro zdravotnické aplikace. NVIDIA sdružuje rozsáhlé technické týmy, které vytvářejí infrastrukturu a software pro pokročilé výpočty, simulace a analytiku využívající umělou inteligenci.
Seniorní inženýr spolehlivosti webů, produkční inženýrství — práce na dálku v Indii
Podporujte cloudové produkty NVIDIA jako seniorní inženýr spolehlivosti webů se zaměřením na správu Kubernetes, automatizaci, observabilitu a reakci na incidenty. Pomáhejte udržovat vysoce dostupné produkční služby v rámci globálního provozu.
Popis
- Vést globální centrum provozu spolehlivosti služeb
- Podporovat cloudové produkty a služby NVIDIA
- Spolupracovat s týmy Site Reliability Engineering, Security Operations, DevOps a dalšími týmy
- Podporovat produkční služby Kubernetes zvyšováním automatizace a omezováním manuální práce
- Spravovat rozsáhlá prostředí Kubernetes a systémy a současně monitorovat zabezpečení za účelem ochrany SLA, integrity a spolehlivosti
- Využívat upozornění, alarmy a nástroje observability k identifikaci incidentů, jejich prevenci a reakci na ně
- Prověřovat logy, metriky a chování systémů za účelem diagnostiky technických problémů
- Řídit analýzu kořenových příčin a zajišťovat účinná řešení
- Zahajovat hovory pro řízení incidentů a vést je
- Koordinovat odborníky a vlastníky služeb prostřednictvím včasné eskalace a řešení problémů
- Vytvářet monitory, alarmy a upozornění, která posilují spolehlivost služeb a zákaznickou zkušenost
Požadavky
- Nejméně 7 let prokazatelné praxe se správou rozsáhlých produkčních systémů Kubernetes ve vysoce dostupných internetových, cloudových nebo datacentrových prostředích
- Zkušenosti s lokální infrastrukturou jsou výraznou výhodou
- Bakalářský titul v oboru informatiky, inženýrství, matematiky nebo rovnocenná praxe
- Pokročilé praktické zkušenosti s Kubernetes, SLURM a správou rozsáhlých clusterů
- Znalost hardwaru GPU nebo DPU a prostředí clusterů pro vysoce výkonné výpočty
- Rozsáhlé zkušenosti se správou Linuxu včetně DNS, DHCP, IP tabulek, směrování a firewallů
- Schopnost řešit problémy a udržovat služby na rozsáhlé bare-metal infrastruktuře
- Zkušenosti s nástroji CI/CD, jako jsou Jenkins a ArgoCD
- Zkušenosti s psaním skriptů
- Zkušenosti s programováním v jazycích Python, Golang nebo Rust jsou výhodou, nikoli však podmínkou
- Vynikající komunikační a interpersonální dovednosti včetně schopnosti přesvědčivě prezentovat informace mezifunkčním skupinám
Benefity
- Přístup k nepřetržité podpoře týmu produkčního inženýrství
- Flexibilita při práci na směnách zasahujících do části víkendu