d-Matrix ontwikkelt AI-inferentietechnologie voor datacenters die de computerefficiëntie moet verbeteren dankzij in-memory computing. Het bedrijf, opgericht in 2019, combineert aangepast circuitontwerp, machinelearningtools, software, algoritmen en interconnects op chipletschaal om de uitdaging aan te pakken van het integreren van geheugen en rekenkracht voor moderne toepassingen van kunstmatige intelligentie.
Directeur Site Reliability Engineering, AI-infrastructuur – d-Matrix, Santa Clara, hybride
Leid de SRE-organisatie van d-Matrix voor infrastructuur voor generatieve AI-inferentie. Draag verantwoordelijkheid voor betrouwbaarheid, observability, automatisering, opslag en hybride cloud- en on-premises activiteiten.
Verenigde Staten
Californië$ 195.000 – $ 285.000 / jaar
HybrideVoltijdLeadVereiste Taal: EngelsDevOps-engineerBeschrijving
- De Site Reliability Engineering-organisatie van d-Matrix opzetten en leiden.
- Het SRE-mandaat opstellen en betrouwbaarheidspraktijken verankeren in hardware- en software-engineering.
- Een team van één tot drie SRE-engineers werven, ontwikkelen en behouden.
- Het team van datacenter- en laboratoriumtechnici aansturen en operationele prioriteiten en standaarden vaststellen.
- 24/7 verantwoordelijkheid dragen voor betrouwbaarheid in colocatiefaciliteiten, on-premises labclusters, cloudomgevingen en klantgerichte platformdiensten.
- Veerkrachtige systemen ontwerpen op basis van storingsdomeinen, progressieve uitrol en gedisciplineerd wijzigingsbeheer.
- Service-level indicators, service-level objectives en error budgets definiëren.
- Bereikbaarheidsdiensten opzetten, inclusief een follow-the-sun-model naarmate de wereldwijde activiteiten groeien.
- Frameworks ontwikkelen voor incidentrespons en oorzaakanalyse.
- Observability voor metrics, traces en logs leiden.
- Automatisering op basis van Terraform en Ansible verder ontwikkelen, inclusief zelfherstellende infrastructuur.
- Automatisering van de hostlevenscyclus, vlootremediatie en AIOps-gestuurde alerting implementeren.
- FinOps en capaciteitsplanning beheren voor cloud-, colocatie- en on-premisesomgevingen.
- De overgang leiden van ad-hoc-JBOD-opslag naar gedeelde enterprise-opslag in on-premises-, colocatie- en cloudomgevingen.
- Samenwerken met Software Tools, QA DevOps, Engineering, Networking Operations en IT Operations om betrouwbaarheid, kostenefficiëntie en het beheer van technische schuld te verbeteren.
Vereisten
- Bachelor- of masterdiploma in computerwetenschappen, elektrotechniek of een verwante studierichting.
- Minimaal 15 jaar ervaring in SRE, infrastructuurengineering of productie-engineering.
- Minimaal vijf jaar ervaring met het leiden van SRE- of infrastructuurengineeringteams.
- Ervaring met het opzetten of ingrijpend herstructureren van een SRE- of infrastructuurengineeringfunctie.
- Ervaring met het definiëren van SLO's, het opzetten van bereikbaarheidsprogramma's, het implementeren van observability en het leiden van organisatorische verandering.
- Uitgebreide expertise in Linux-systemen.
- Ervaring met gedeelde enterprise-opslag, waaronder NAS/SAN, grootschalige NFS/SMB, snapshot- en replicatiearchitecturen en integratie van hybride-cloudopslag.
- Ervaring met het op grote schaal beheren van colocatiefaciliteiten en on-premises hardware.
- Inzicht in serverlevenscyclusbeheer, stroom- en koelsystemen en netwerken op rackniveau.
- Productie-ervaring met Terraform en Ansible, waaronder moduleontwerp, remote state, omgevingsisolatie en wijzigingsbeheer.
- Ervaring met het beheren van Kubernetes-clusters, waaronder levenscyclusbeheer, workloadbetrouwbaarheid, opslag en RBAC op grote schaal.
- Ervaring met het beheren van observabilityplatforms zoals Prometheus, Grafana, Datadog of Splunk.
- Sterke vaardigheden in Python- of Go-scripting voor productiediensten en infrastructuurautomatisering.
- Sterke communicatieve vaardigheden richting directie en leidinggevenden.
- Vermogen om effectief te werken in een omgeving met veel onduidelijkheid en weinig processen.
- Ervaring met het beheren van klantgerichte infrastructuur- of platformdiensten strekt tot aanbeveling.
- Kennis van InfiniBand, RoCE of NVLink strekt tot aanbeveling.
- Ervaring met HPC-schedulers zoals Slurm, LSF of gelijkwaardige systemen strekt tot aanbeveling.
- Ervaring met hybride multi-cloudactiviteiten in AWS, Azure en GCP strekt tot aanbeveling.
- FinOps-expertise strekt tot aanbeveling.
- Kennis van ITIL of een gelijkwaardig framework voor incident-, probleem- en wijzigingsbeheer strekt tot aanbeveling.
- Gepubliceerde technische teksten, conferentiepresentaties of bijdragen aan open source strekken tot aanbeveling.
- Je moet wettelijk bevoegd zijn om in de Verenigde Staten te werken.
Voordelen
- Aandelencompensatie.
- Bonus- of incentive-mogelijkheden gekoppeld aan individuele en bedrijfsprestaties.
- Zorgverzekering.
- Tandartsverzekering.
- Oogzorgverzekering.
- 401(k)-regeling.
- Inclusief beloningsprogramma gericht op het welzijn van medewerkers en hun naasten.