LogoFresh Jobs Ahead
NVIDIA
NVIDIA
Sponsor Visa H1BKecerdasan buatanLayanan kesehatanManufaktur
NVIDIA mengembangkan teknologi komputasi terakselerasi dan kecerdasan buatan yang digunakan dalam berbagai bidang, termasuk gim, pusat data, komputasi awan, layanan kesehatan, manufaktur, otomotif, dan robotika. Pengembangannya mencakup unit pemrosesan grafis, platform AI, simulasi, serta solusi untuk berbagai industri, termasuk NVIDIA Omniverse untuk alur kerja 3D kolaboratif, NVIDIA DRIVE untuk pengembangan kendaraan otonom, dan NVIDIA Clara untuk aplikasi layanan kesehatan. Perusahaan ini menghimpun tim teknis besar yang mengembangkan infrastruktur dan perangkat lunak pendukung komputasi canggih, simulasi, serta analitik berbasis AI.
LinkedIn
Lowongan Perusahaan

Arsitek Solusi Senior Infrastruktur Cloud dan Keandalan

Pimpin keandalan Day 2 untuk armada GPU NVIDIA Cloud Partner di seluruh EMEA. Otomatiskan pemulihan gangguan, observabilitas, pemeliharaan, dan operasi Kubernetes dalam skala besar.

DEJermanESSpanyolFRPrancisGBInggris RayaJarak jauhPenuh waktuSeniorBahasa Wajib: InggrisInsinyur solusi
AnsibleCloudGrafanaKubernetesLinuxNode.jsPrometheusPythonTerraform

Deskripsi

  • Pimpin stabilitas dan keandalan produksi untuk armada NVIDIA Cloud Partner di seluruh EMEA.
  • Tetapkan dan tingkatkan ukuran keandalan serta throughput beban kerja untuk klaster GPU besar, dan kelola anggaran kesalahan platform.
  • Bangun alur kerja deteksi dan pemulihan otomatis untuk kegagalan GPU, node, fabric jaringan, dan penyimpanan.
  • Otomatiskan triase gangguan, pengosongan dan pengarantinaan node, reset, serta prosedur pemulihan layanan.
  • Rencanakan dan laksanakan pemeliharaan preventif serta peluncuran firmware atau pemberitahuan lapangan, mulai dari tinjauan risiko dan penerapan bertahap hingga verifikasi.
  • Integrasikan alat observabilitas dan keandalan armada—termasuk Prometheus, Grafana, Loki, DCGM, diagnostik XID, GPUd, dan NVSentinel—dengan sistem mitra.
  • Koordinasikan respons insiden dan tinjauan pascainsiden bersama NVEX, manajer akun teknis, dan tim operasi mitra.
  • Pimpin investigasi akar penyebab, tuntaskan tindakan korektif, dan ubah insiden berulang menjadi otomatisasi, pemeriksaan kesehatan, atau runbook.
  • Kelola siklus hidup dan keandalan node Kubernetes di Kubernetes, KubeVirt, Slurm, dan penjadwal yang mendukung GPU.
  • Tetapkan kebijakan kesehatan node dan koordinasikan peningkatan versi, mulai ulang, serta pengosongan beban kerja yang aman pada node berakselerasi GPU.

Persyaratan

  • Gelar sarjana, magister, atau doktor di bidang ilmu komputer, teknik elektro atau komputer, fisika, matematika, atau bidang terkait, atau pengalaman setara.
  • Minimal 8 tahun pengalaman dalam rekayasa keandalan situs, rekayasa produksi, atau operasi infrastruktur skala besar.
  • Memiliki tanggung jawab nyata atas keandalan produksi dalam skala besar, termasuk SLO dan anggaran kesalahan, tugas siaga dan komando insiden, tinjauan tanpa menyalahkan, serta peningkatan terukur dalam ketersediaan atau waktu rata-rata antarinterupsi.
  • Pengalaman langsung mengoperasikan klaster HPC atau AI dan infrastruktur GPU NVIDIA, termasuk siklus hidup driver dan toolkit CUDA, firmware, pemrofilan beban kerja, serta pemecahan masalah CPU, GPU, dan interkoneksi berkecepatan tinggi.
  • Pengalaman luas mengoperasikan Kubernetes di lingkungan GPU dan HPC, termasuk siklus hidup node, peningkatan versi dan pengosongan node, perilaku penjadwal, Slurm, serta sistem multi-tenant campuran bare metal dan virtualisasi.
  • Menguasai Python dan Bash, infrastruktur sebagai kode dan manajemen konfigurasi seperti Ansible dan Terraform, siklus hidup serta peningkatan armada berbasis GitOps, dan Prometheus, Grafana, serta Loki.
  • Keahlian Linux yang kuat, termasuk Red Hat dan Ubuntu, penyetelan dan keamanan sistem operasi, dasar-dasar jaringan pusat data, serta penyimpanan paralel atau perusahaan seperti Lustre, GPFS, ZFS, dan XFS.
  • Pengalaman merencanakan dan melaksanakan peluncuran firmware, mikrokode, atau pemberitahuan lapangan secara proaktif di seluruh armada produksi besar.
  • Mengenal DCGM, diagnostik XID, GPUd, NVSentinel, agen kesehatan node, dan kecerdasan keandalan seluruh armada.
  • Pengalaman menggunakan NVIDIA GPU dan Network Operators serta NVIDIA Base Command Manager.
  • Pengalaman praktis dengan penjadwalan AI dan kerangka kerja inferensi di Kubernetes, seperti KAI, Grove, Dynamo, dan NVIDIA Cloud Functions.
  • Keahlian dalam fabric RDMA seperti InfiniBand atau RoCE; pengalaman dengan Cumulus Linux, SONiC, Spectrum-X, DPU/DOCA, serta operasi partisi NVLink/NVSwitch menjadi nilai tambah.

Lowongan Terkait