Tvrtka d-Matrix razvija tehnologiju za inferenciju umjetne inteligencije u podatkovnim centrima, osmišljenu za poboljšanje učinkovitosti računalnih sustava putem računalstva u memoriji. Osnovana 2019. godine, tvrtka objedinjuje dizajn prilagođenih sklopova, alate za strojno učenje, softver, algoritme i međuspojeve na razini čipleta kako bi odgovorila na izazov integracije memorije i računalnih operacija za moderna radna opterećenja umjetne inteligencije.
Direktor Site Reliability Engineeringa za AI infrastrukturu — d-Matrix, Santa Clara, hibridni rad
Vodit ćete SRE organizaciju tvrtke d-Matrix za inferencijsku infrastrukturu generativne umjetne inteligencije. Bit ćete odgovorni za pouzdanost, observabilnost, automatizaciju, pohranu te hibridne oblačne i lokalne operacije.
Sjedinjene Američke Države
Kalifornija195.000 $ – 285.000 $ / godina
HibridnoPuno radno vrijemeVoditeljObavezan Jezik: engleskiDevOps inženjerOpis
- Uspostaviti i voditi odjel Site Reliability Engineeringa u tvrtki d-Matrix.
- Izraditi povelju SRE-a i uvesti prakse pouzdanosti u hardversko i softversko inženjerstvo.
- Zapošljavati, razvijati i zadržavati tim od jednog do tri SRE inženjera.
- Upravljati timom tehničara podatkovnog centra i laboratorija te postavljati operativne prioritete i standarde.
- Preuzeti odgovornost za neprekidnu pouzdanost u kolokacijskim pogonima, lokalnim laboratorijskim klasterima, oblačnim okruženjima i platformskim uslugama za korisnike.
- Dizajnirati otporne sustave oko domena kvara, postupne isporuke i discipliniranog upravljanja promjenama.
- Definirati pokazatelje razine usluge, ciljeve razine usluge i proračune pogrešaka.
- Izraditi dežurne procese, uključujući model follow-the-sun kako se globalne operacije budu širile.
- Razviti okvire za odgovor na incidente i analizu temeljnih uzroka.
- Voditi observabilnost metrika, tragova i zapisa.
- Unaprijediti automatizaciju temeljenu na Terraformu i Ansibleu, uključujući infrastrukturu koja se sama oporavlja.
- Implementirati automatizaciju životnog ciklusa računala, sanaciju flote i upozoravanje podržano AIOpsom.
- Upravljati FinOpsom i planiranjem kapaciteta u oblačnim, kolokacijskim i lokalnim okruženjima.
- Voditi prijelaz s ad hoc JBOD pohrane na poslovnu dijeljenu pohranu u lokalnim, kolokacijskim i oblačnim okruženjima.
- Surađivati s timovima Software Tools, QA DevOps, Engineering, Networking Operations i IT Operations radi poboljšanja pouzdanosti, troškovne učinkovitosti i upravljanja tehničkim dugom.
Zahtjevi
- Prvostupnička ili diplomska diploma iz računalnih znanosti, elektrotehnike ili srodnog područja.
- Najmanje 15 godina iskustva u SRE-u, inženjerstvu infrastrukture ili produkcijskom inženjerstvu.
- Najmanje pet godina iskustva u vođenju timova SRE-a ili inženjerstva infrastrukture.
- Iskustvo u stvaranju ili temeljitoj ponovnoj izgradnji funkcije SRE-a ili inženjerstva infrastrukture.
- Iskustvo u definiranju SLO-ova, izgradnji dežurnih programa, uvođenju observabilnosti i vođenju organizacijskih promjena.
- Napredno poznavanje sustava Linux.
- Iskustvo s poslovnom dijeljenom pohranom, uključujući NAS/SAN, NFS/SMB velikih razmjera, arhitekture snimki i replikacije te integraciju hibridne oblačne pohrane.
- Iskustvo s radom kolokacijskih pogona i lokalnog hardvera u velikom opsegu.
- Razumijevanje upravljanja životnim ciklusom poslužitelja, sustava napajanja i hlađenja te mrežnog povezivanja na razini ormara.
- Iskustvo s Terraformom i Ansibleom u produkciji, uključujući dizajn modula, udaljeno stanje, izolaciju okruženja i upravljanje promjenama.
- Iskustvo s upravljanjem Kubernetes klasterima, uključujući upravljanje životnim ciklusom, pouzdanost radnih opterećenja, pohranu i RBAC velikih razmjera.
- Iskustvo s observability platformama kao što su Prometheus, Grafana, Datadog ili Splunk.
- Izvrsne skriptne vještine u Pythonu ili Gou za produkcijske usluge i automatizaciju infrastrukture.
- Izražene sposobnosti komunikacije s izvršnim vodstvom.
- Sposobnost učinkovitog rada u okruženju s velikom neodređenošću i malo procesa.
- Iskustvo s vođenjem infrastrukture ili platformskih usluga usmjerenih na korisnike je prednost.
- Poznavanje tehnologija InfiniBand, RoCE ili NVLink je prednost.
- Iskustvo s HPC planerima kao što su Slurm, LSF ili ekvivalent je prednost.
- Iskustvo s hibridnim i multicloud operacijama u AWS-u, Azureu i GCP-u je prednost.
- Stručnost u FinOpsu je prednost.
- Poznavanje ITIL-a ili ekvivalentnog okvira za upravljanje incidentima, problemima i promjenama je prednost.
- Objavljeni tehnički tekstovi, izlaganja na konferencijama ili doprinosi otvorenom kodu su prednost.
- Morate imati zakonsko ovlaštenje za rad u Sjedinjenim Američkim Državama.
Pogodnosti
- Vlasnička naknada.
- Bonusi ili poticajne mogućnosti povezane s individualnim učinkom i učinkom tvrtke.
- Zdravstveno osiguranje.
- Stomatološko osiguranje.
- Osiguranje vida.
- Plan 401(k).
- Uključiv program nagrađivanja usmjeren na dobrobit zaposlenika i njihovih bližnjih.