NVIDIA développe des technologies de calcul accéléré et d’intelligence artificielle utilisées dans les jeux vidéo, les centres de données, le cloud computing, la santé, l’industrie manufacturière, l’automobile et la robotique. Ses activités couvrent les processeurs graphiques, les plateformes d’IA, la simulation et des solutions dédiées à différents secteurs, notamment NVIDIA Omniverse pour les flux de travail collaboratifs en 3D, NVIDIA DRIVE pour le développement de véhicules autonomes et NVIDIA Clara pour les applications de santé. L’entreprise réunit de grandes équipes techniques qui travaillent sur l’infrastructure et les logiciels nécessaires au calcul avancé, à la simulation et à l’analyse fondée sur l’IA.
Ingénieur senior en fiabilité des sites, ingénierie de production – Télétravail depuis l’Inde
Soutenez les produits NVIDIA Cloud en tant qu’ingénieur senior en fiabilité des sites, spécialisé dans l’administration de Kubernetes, l’automatisation, l’observabilité et la réponse aux incidents. Contribuez au maintien de services de production hautement disponibles dans le cadre d’opérations mondiales.
Description
- Diriger un centre mondial des opérations de fiabilité des services
- Assurer le support des produits et services NVIDIA Cloud
- Collaborer avec les équipes d’ingénierie de fiabilité des sites, d’opérations de sécurité, de DevOps et d’autres équipes
- Assurer le support des services Kubernetes de production en renforçant l’automatisation et en réduisant le travail manuel
- Administrer des environnements Kubernetes et systèmes à grande échelle tout en surveillant la sécurité afin de protéger les SLA, l’intégrité et la fiabilité
- Utiliser les alertes, alarmes et outils d’observabilité pour identifier, prévenir et traiter les incidents
- Analyser les journaux, les métriques et le comportement des systèmes afin de diagnostiquer les problèmes techniques
- Diriger les analyses des causes profondes et fournir des résolutions efficaces
- Lancer et diriger les appels de gestion des incidents
- Coordonner les experts techniques et les responsables de services grâce à une escalade et une résolution rapides
- Créer des moniteurs, alarmes et alertes qui renforcent la fiabilité des services et l’expérience client
Exigences
- Au moins 7 ans d’expérience avérée dans l’administration de systèmes Kubernetes de production à grande échelle au sein d’environnements Internet, cloud ou de centres de données hautement disponibles
- Une expérience des infrastructures sur site est particulièrement appréciée
- Diplôme de licence en informatique, ingénierie, mathématiques ou expérience équivalente
- Expérience pratique avancée de Kubernetes, SLURM et de la gestion de clusters à grande échelle
- Connaissance du matériel GPU ou DPU et des environnements de clusters de calcul haute performance
- Solide expérience de l’administration Linux, notamment de DNS, DHCP, des tables IP, du routage et des pare-feu
- Capacité à dépanner et à maintenir des services sur une infrastructure bare-metal à grande échelle
- Expérience des outils CI/CD tels que Jenkins et ArgoCD
- Expérience dans l’écriture de scripts
- Une expérience de programmation en Python, Golang ou Rust est souhaitée, mais non obligatoire
- Excellentes compétences en communication et en relations interpersonnelles, avec la capacité de présenter de manière convaincante à des groupes interfonctionnels
Avantages
- Accès au support d’une équipe d’ingénierie de production disponible 24 heures sur 24 et 7 jours sur 7
- Flexibilité pour travailler selon des horaires répartis le week-end