d-Matrix desarrolla tecnología de inferencia de IA para centros de datos, diseñada para mejorar la eficiencia computacional mediante la computación en memoria. Fundada en 2019, la empresa combina diseño de circuitos personalizados, herramientas de aprendizaje automático, software, algoritmos e interconexiones a escala de chiplet para abordar el desafío de integrar memoria y computación en las cargas de trabajo modernas de inteligencia artificial.
Director de Ingeniería de Confiabilidad de Sitios, Infraestructura de IA — d-Matrix, Santa Clara Híbrido
Liderar la organización de SRE de d-Matrix para la infraestructura de inferencia de IA generativa. Ser responsable de la confiabilidad, la observabilidad, la automatización, el almacenamiento y las operaciones híbridas en la nube y locales.
Estados Unidos
California195.000 $ – 285.000 $ / año
HíbridoTiempo completoLíderIdioma Obligatorio: inglésIngeniero de DevOpsDescripción
- Establecer y liderar la organización de Ingeniería de Confiabilidad de Sitios de d-Matrix.
- Crear la misión de SRE e incorporar prácticas de confiabilidad en la ingeniería de hardware y software.
- Contratar, desarrollar y retener un equipo de uno a tres ingenieros de SRE.
- Gestionar el equipo de técnicos del centro de datos y del laboratorio, estableciendo prioridades y estándares operativos.
- Ser responsable de la confiabilidad 24/7 en instalaciones de coubicación, clústeres de laboratorio locales, entornos en la nube y servicios de plataforma orientados al cliente.
- Diseñar sistemas resilientes en torno a dominios de fallo, entregas progresivas y un control disciplinado de cambios.
- Definir indicadores de nivel de servicio, objetivos de nivel de servicio y presupuestos de error.
- Crear procesos de guardia, incluido un modelo de seguimiento del sol a medida que se expandan las operaciones globales.
- Desarrollar marcos de respuesta a incidentes y análisis de causas raíz.
- Liderar la observabilidad de métricas, trazas y registros.
- Impulsar la automatización basada en Terraform y Ansible, incluida la infraestructura autorreparable.
- Implementar la automatización del ciclo de vida de los hosts, la corrección de flotas y las alertas habilitadas por AIOps.
- Gestionar FinOps y la planificación de capacidad en entornos de nube, coubicación y locales.
- Liderar la transición del almacenamiento JBOD ad hoc al almacenamiento compartido empresarial en entornos locales, de coubicación y de nube.
- Colaborar con Software Tools, QA DevOps, Ingeniería, Operaciones de Redes y Operaciones de TI para mejorar la confiabilidad, la eficiencia de costes y la gestión de la deuda técnica.
Requisitos
- Título universitario o de máster en informática, ingeniería eléctrica o una disciplina relacionada.
- Al menos 15 años de experiencia en SRE, ingeniería de infraestructura o ingeniería de producción.
- Al menos cinco años de experiencia liderando equipos de SRE o de ingeniería de infraestructura.
- Experiencia creando o reconstruyendo sustancialmente una función de SRE o de ingeniería de infraestructura.
- Experiencia definiendo SLO, creando programas de guardia, implementando observabilidad y liderando cambios organizativos.
- Conocimientos avanzados de sistemas Linux.
- Experiencia con almacenamiento compartido empresarial, incluidos NAS/SAN, NFS/SMB a gran escala, arquitecturas de instantáneas y replicación, e integración de almacenamiento híbrido en la nube.
- Experiencia operando instalaciones de coubicación y hardware local a escala.
- Comprensión de la gestión del ciclo de vida de servidores, sistemas de energía y refrigeración, y redes a nivel de rack.
- Experiencia en producción con Terraform y Ansible, incluido el diseño de módulos, el estado remoto, el aislamiento de entornos y la gobernanza de cambios.
- Experiencia operando clústeres de Kubernetes, incluida la gestión del ciclo de vida, la confiabilidad de las cargas de trabajo, el almacenamiento y RBAC a gran escala.
- Experiencia siendo responsable de plataformas de observabilidad como Prometheus, Grafana, Datadog o Splunk.
- Sólidas habilidades de scripting en Python o Go para servicios de producción y automatización de infraestructura.
- Sólidas capacidades de comunicación con ejecutivos.
- Capacidad para trabajar eficazmente en un entorno de alta ambigüedad y pocos procesos.
- Se prefiere experiencia operando infraestructura o servicios de plataforma orientados al cliente.
- Se prefieren conocimientos de InfiniBand, RoCE o NVLink.
- Se prefiere experiencia con planificadores de HPC como Slurm, LSF o equivalentes.
- Se prefiere experiencia con operaciones híbridas y multinube en AWS, Azure y GCP.
- Se prefieren conocimientos de FinOps.
- Se prefieren conocimientos de ITIL o de un marco equivalente de gestión de incidentes, problemas y cambios.
- Se prefieren textos técnicos publicados, presentaciones en conferencias o contribuciones de código abierto.
- Debe tener autorización legal para trabajar en Estados Unidos.
Beneficios
- Compensación en acciones.
- Oportunidades de bonificación o incentivos vinculadas al rendimiento individual y de la empresa.
- Seguro médico.
- Seguro dental.
- Seguro de visión.
- Plan 401(k).
- Programa de recompensas inclusivo centrado en el bienestar de los empleados y sus seres queridos.