d-Matrix utvikler AI-inferensteknologi for datasentre, utformet for å forbedre beregningseffektiviteten gjennom databehandling i minnet. Selskapet ble grunnlagt i 2019 og kombinerer spesialtilpasset kretsdesign, verktøy for maskinlæring, programvare, algoritmer og sammenkoblinger i chiplet-skala for å håndtere utfordringen med å integrere minne og beregning for moderne arbeidsbelastninger innen kunstig intelligens.
Direktør for Site Reliability Engineering, AI-infrastruktur — d-Matrix, Santa Clara hybrid
Led d-Matrix’ SRE-organisasjon for inferensinfrastruktur for generativ AI. Ha ansvar for pålitelighet, observability, automatisering, lagring samt hybrid sky- og lokal drift.
Beskrivelse
- Etabler og led d-Matrix’ organisasjon for Site Reliability Engineering.
- Opprett SRE-mandatet og bygg inn praksis for pålitelighet i maskinvare- og programvareutviklingen.
- Rekrutter, utvikle og behold et team på én til tre SRE-ingeniører.
- Led data- og laboratorieteknikerteamet, og fastsett operative prioriteringer og standarder.
- Ha ansvar for pålitelighet døgnet rundt på samlokaliseringsfasiliteter, lokale laboratorieklynger, skymiljøer og plattformtjenester rettet mot kunder.
- Utform robuste systemer basert på feildomener, progressiv utrulling og disiplinert endringsstyring.
- Definer tjenestenivåindikatorer, tjenesteniv mål og feilbudsjetter.
- Opprett vaktordninger, inkludert en follow-the-sun-modell etter hvert som den globale driften utvides.
- Utvikle rammeverk for hendelseshåndtering og rotårsaksanalyse.
- Led observability for måledata, spor og logger.
- Videreutvikle Terraform- og Ansible-basert automatisering, inkludert selvhelende infrastruktur.
- Implementer automatisering av vertenes livssyklus, utbedring i serverparken og AIOps-basert varsling.
- Håndter FinOps og kapasitetsplanlegging på tvers av sky-, samlokaliserings- og lokale miljøer.
- Led overgangen fra ad hoc-JBOD-lagring til felles bedriftslagring på tvers av lokale miljøer, samlokalisering og sky.
- Samarbeid med Software Tools, QA DevOps, Engineering, Networking Operations og IT Operations for å forbedre pålitelighet, kostnadseffektivitet og håndtering av teknisk gjeld.
Krav
- Bachelor- eller mastergrad i informatikk, elektroteknikk eller et beslektet fagområde.
- Minst 15 års erfaring med SRE, infrastrukturteknikk eller produksjonsteknikk.
- Minst fem års erfaring med å lede SRE- eller infrastrukturtekniske team.
- Erfaring med å opprette eller bygge opp igjen en SRE- eller infrastrukturteknisk funksjon i vesentlig grad.
- Erfaring med å definere SLO-er, bygge vaktprogrammer, implementere observability og lede organisatoriske endringer.
- Avansert kompetanse på Linux-systemer.
- Erfaring med felles bedriftslagring, inkludert NAS/SAN, NFS/SMB i stor skala, arkitekturer for snapshots og replikering samt integrasjon av hybrid skylagring.
- Erfaring med drift av samlokaliseringsfasiliteter og lokal maskinvare i stor skala.
- Forståelse av serverlivssyklusadministrasjon, strøm- og kjølesystemer samt nettverk på racknivå.
- Produksjonserfaring med Terraform og Ansible, inkludert moduldesign, remote state, miljøisolering og endringsstyring.
- Erfaring med drift av Kubernetes-klynger, inkludert livssyklusadministrasjon, pålitelighet for arbeidsbelastninger, lagring og RBAC i stor skala.
- Erfaring med å ha ansvar for observability-plattformer som Prometheus, Grafana, Datadog eller Splunk.
- Gode ferdigheter i Python- eller Go-skripting for produksjonstjenester og infrastrukturautomatisering.
- Svært gode kommunikasjonsevner overfor ledelsen.
- Evne til å arbeide effektivt i et miljø med høy tvetydighet og få prosesser.
- Erfaring med kundeorientert infrastruktur eller plattformtjenester er en fordel.
- Kunnskap om InfiniBand, RoCE eller NVLink er en fordel.
- Erfaring med HPC-planleggere som Slurm, LSF eller tilsvarende er en fordel.
- Erfaring med hybrid og multicloud-drift på tvers av AWS, Azure og GCP er en fordel.
- FinOps-kompetanse er en fordel.
- Kunnskap om ITIL eller et tilsvarende rammeverk for hendelses-, problem- og endringshåndtering er en fordel.
- Publisert teknisk skriving, konferansepresentasjoner eller bidrag til åpen kildekode er en fordel.
- Må ha lovlig tillatelse til å arbeide i USA.
Fordeler
- Aksjebasert kompensasjon.
- Bonus- eller insentivmuligheter knyttet til individuell prestasjon og selskapets resultater.
- Sykeforsikring.
- Tannforsikring.
- Synsforsikring.
- 401(k)-ordning.
- Inkluderende belønningsprogram med fokus på trivselen til ansatte og deres nærmeste.