d-Matrix sviluppa tecnologie di inferenza dell’IA per i data center, progettate per migliorare l’efficienza computazionale attraverso l’elaborazione in memoria. Fondata nel 2019, l’azienda combina la progettazione di circuiti personalizzati, strumenti di apprendimento automatico, software, algoritmi e interconnessioni su scala chiplet per affrontare la sfida di integrare memoria e calcolo nei moderni carichi di lavoro di intelligenza artificiale.
Direttore dell’ingegneria dell’affidabilità dei siti, infrastruttura IA — d-Matrix, Santa Clara ibrido
Guidare l’organizzazione SRE di d-Matrix per l’infrastruttura di inferenza dell’IA generativa. Essere responsabile di affidabilità, osservabilità, automazione, storage e operazioni ibride nel cloud e on-premise.
Stati Uniti
California195.000 $ – 285.000 $ / anno
IbridoTempo pienoLeadLingua Richiesta: ingleseIngegnere DevOpsDescrizione
- Costituire e guidare l’organizzazione di ingegneria dell’affidabilità dei siti di d-Matrix.
- Creare il mandato SRE e integrare le pratiche di affidabilità nell’ingegneria hardware e software.
- Assumere, sviluppare e trattenere un team composto da uno a tre ingegneri SRE.
- Gestire il team di tecnici del data center e del laboratorio, definendo priorità e standard operativi.
- Essere responsabile dell’affidabilità 24 ore su 24, 7 giorni su 7, presso strutture di colocation, cluster di laboratorio on-premise, ambienti cloud e servizi di piattaforma rivolti ai clienti.
- Progettare sistemi resilienti basati su domini di guasto, distribuzione progressiva e controllo disciplinato delle modifiche.
- Definire indicatori del livello di servizio, obiettivi del livello di servizio e budget di errore.
- Creare processi di reperibilità, incluso un modello di copertura seguendo il sole con l’espansione delle operazioni globali.
- Sviluppare framework per la risposta agli incidenti e l’analisi delle cause principali.
- Guidare l’osservabilità di metriche, tracce e log.
- Far progredire l’automazione basata su Terraform e Ansible, inclusa l’infrastruttura autoriparante.
- Implementare l’automazione del ciclo di vita degli host, la remediation della flotta e gli alert abilitati dall’AIOps.
- Gestire FinOps e la pianificazione della capacità negli ambienti cloud, di colocation e on-premise.
- Guidare la transizione dallo storage JBOD ad hoc allo storage condiviso enterprise negli ambienti on-premise, di colocation e cloud.
- Collaborare con Software Tools, QA DevOps, Ingegneria, Operazioni di rete e Operazioni IT per migliorare affidabilità, efficienza dei costi e gestione del debito tecnico.
Requisiti
- Laurea o laurea magistrale in informatica, ingegneria elettrica o disciplina correlata.
- Almeno 15 anni di esperienza in SRE, ingegneria dell’infrastruttura o ingegneria di produzione.
- Almeno cinque anni di esperienza nella guida di team SRE o di ingegneria dell’infrastruttura.
- Esperienza nella creazione o ricostruzione sostanziale di una funzione SRE o di ingegneria dell’infrastruttura.
- Esperienza nella definizione di SLO, nella creazione di programmi di reperibilità, nell’implementazione dell’osservabilità e nella guida del cambiamento organizzativo.
- Competenza avanzata nei sistemi Linux.
- Esperienza con storage condiviso enterprise, inclusi NAS/SAN, NFS/SMB su larga scala, architetture di snapshot e replica e integrazione dello storage cloud ibrido.
- Esperienza nella gestione di strutture di colocation e hardware on-premise su larga scala.
- Conoscenza della gestione del ciclo di vita dei server, dei sistemi di alimentazione e raffreddamento e del networking a livello di rack.
- Esperienza in produzione con Terraform e Ansible, inclusi progettazione dei moduli, stato remoto, isolamento degli ambienti e governance delle modifiche.
- Esperienza nella gestione di cluster Kubernetes, inclusi gestione del ciclo di vita, affidabilità dei workload, storage e RBAC su larga scala.
- Esperienza nella gestione di piattaforme di osservabilità come Prometheus, Grafana, Datadog o Splunk.
- Solide competenze di scripting in Python o Go per servizi di produzione e automazione dell’infrastruttura.
- Solide capacità di comunicazione con i dirigenti.
- Capacità di lavorare efficacemente in un ambiente ad alta ambiguità e con pochi processi.
- È preferibile esperienza nella gestione di infrastrutture o servizi di piattaforma rivolti ai clienti.
- È preferibile la conoscenza di InfiniBand, RoCE o NVLink.
- È preferibile esperienza con scheduler HPC come Slurm, LSF o equivalenti.
- È preferibile esperienza con operazioni ibride e multi-cloud su AWS, Azure e GCP.
- È preferibile competenza in FinOps.
- È preferibile la conoscenza di ITIL o di un framework equivalente per la gestione di incidenti, problemi e modifiche.
- Sono preferibili pubblicazioni tecniche, presentazioni a conferenze o contributi open source.
- È necessario essere legalmente autorizzati a lavorare negli Stati Uniti.
Benefit
- Compenso in azioni.
- Opportunità di bonus o incentivi legati alle prestazioni individuali e aziendali.
- Assicurazione sanitaria.
- Assicurazione dentale.
- Assicurazione oculistica.
- Piano 401(k).
- Programma inclusivo di premi incentrato sul benessere dei dipendenti e dei loro cari.