NVIDIAは、ゲーム、データセンター、クラウドコンピューティング、ヘルスケア、製造、自動車、ロボティクスなど幅広い分野で活用されるアクセラレーテッドコンピューティングと人工知能の技術を開発しています。グラフィックスプロセッシングユニット、AIプラットフォーム、シミュレーション、業界向けソリューションなどを手がけており、協働型3Dワークフロー向けのNVIDIA Omniverse、自動運転車両開発向けのNVIDIA DRIVE、ヘルスケア向けのNVIDIA Claraなどを展開しています。同社には、先進的なコンピューティング、シミュレーション、AIを活用した分析を支えるインフラストラクチャとソフトウェアに取り組む大規模な技術チームがあります。
シニアサイト信頼性エンジニア、プロダクションエンジニアリング — インド・リモート
Kubernetes 管理、自動化、オブザーバビリティ、インシデント対応を担当するシニアサイト信頼性エンジニアとして、NVIDIA Cloud 製品を支援します。 グローバルな運用環境で、高可用性の本番サービスの維持に貢献します。
仕事内容
- グローバルなサービス信頼性運用センターを率いる
- NVIDIA Cloud の製品とサービスを支援する
- サイト信頼性エンジニアリング、セキュリティ運用、DevOps などのチームと連携する
- 自動化を進め、手作業を削減することで、本番 Kubernetes サービスを支援する
- 大規模な Kubernetes およびシステム環境を管理しながら、セキュリティを監視して SLA、整合性、信頼性を守る
- アラート、アラーム、オブザーバビリティツールを使用して、インシデントを特定、予防、対応する
- ログ、メトリクス、システムの挙動を調査して技術的な問題を診断する
- 根本原因分析を指揮し、効果的な解決策を提供する
- インシデント管理の電話会議を開始し、主導する
- 迅速なエスカレーションと解決を通じて、対象分野の専門家とサービス所有者を調整する
- サービスの信頼性と顧客体験を強化するモニター、アラーム、アラートを作成する
応募要件
- 高可用性のインターネット、クラウド、またはデータセンター環境で、大規模な本番 Kubernetes システムを管理した実務経験が 7 年以上あること
- オンプレミスインフラストラクチャの経験がある方を優先
- コンピューターサイエンス、工学、数学の学士号、または同等の経験
- Kubernetes、SLURM、大規模クラスタ管理に関する高度な実務経験
- GPU または DPU ハードウェア、および高性能コンピューティングクラスタ環境に関する知識
- DNS、DHCP、IP tables、ルーティング、ファイアウォールを含む、Linux 管理の豊富な経験
- 大規模なベアメタルインフラストラクチャ上のサービスをトラブルシューティングし、維持できること
- Jenkins や ArgoCD などの CI/CD ツールの使用経験
- スクリプト作成の経験
- Python、Golang、または Rust のプログラミング経験があれば望ましいが、必須ではない
- 優れたコミュニケーション能力と対人スキルがあり、部門横断型のグループに説得力を持って説明できること
福利厚生
- 24 時間 365 日対応のプロダクションエンジニアリングチームによるサポート
- 週末を分割したシフト勤務の柔軟性