51 – 200 Funcionários
Patrocinador de visto H1BConsultoriaIndústria de transformaçãoInteligência artificialA d-Matrix desenvolve tecnologia de inferência de IA para data centers, projetada para melhorar a eficiência computacional por meio da computação em memória. Fundada em 2019, a empresa combina design de circuitos personalizados, ferramentas de aprendizado de máquina, software, algoritmos e interconexões em escala de chiplet para enfrentar o desafio de integrar memória e computação às cargas de trabalho modernas de inteligência artificial.
Diretor de Engenharia de Confiabilidade de Sites, Infraestrutura de IA — d-Matrix, Santa Clara Híbrido
Liderar a organização de SRE da d-Matrix para a infraestrutura de inferência de IA generativa. Ser responsável pela confiabilidade, observabilidade, automação, armazenamento e operações híbridas em nuvem e locais.
Estados Unidos
Califórnia$ 195.000 – $ 285.000 / ano
HíbridoTempo integralLíderIdioma Obrigatório: inglêsEngenheiro de DevOpsDescrição
- Estabelecer e liderar a organização de Engenharia de Confiabilidade de Sites da d-Matrix.
- Criar a missão de SRE e incorporar práticas de confiabilidade à engenharia de hardware e software.
- Contratar, desenvolver e reter uma equipe de um a três engenheiros de SRE.
- Gerenciar a equipe de técnicos de data center e laboratório, definindo prioridades e padrões operacionais.
- Ser responsável pela confiabilidade 24 horas por dia, 7 dias por semana, em instalações de colocation, clusters de laboratório locais, ambientes de nuvem e serviços de plataforma voltados ao cliente.
- Projetar sistemas resilientes com base em domínios de falha, entrega progressiva e controle disciplinado de mudanças.
- Definir indicadores de nível de serviço, objetivos de nível de serviço e orçamentos de erro.
- Criar processos de plantão, incluindo um modelo de acompanhamento do sol à medida que as operações globais se expandirem.
- Desenvolver estruturas de resposta a incidentes e análise de causa raiz.
- Liderar a observabilidade de métricas, traces e logs.
- Avançar a automação baseada em Terraform e Ansible, incluindo infraestrutura com autorrecuperação.
- Implementar automação do ciclo de vida de hosts, remediação de frota e alertas habilitados por AIOps.
- Gerenciar FinOps e planejamento de capacidade em ambientes de nuvem, colocation e locais.
- Liderar a transição do armazenamento JBOD ad hoc para armazenamento compartilhado corporativo em ambientes locais, de colocation e de nuvem.
- Colaborar com Software Tools, QA DevOps, Engenharia, Operações de Rede e Operações de TI para melhorar a confiabilidade, a eficiência de custos e a gestão da dívida técnica.
Requisitos
- Bacharelado ou mestrado em ciência da computação, engenharia elétrica ou área relacionada.
- Pelo menos 15 anos de experiência em SRE, engenharia de infraestrutura ou engenharia de produção.
- Pelo menos cinco anos de experiência liderando equipes de SRE ou engenharia de infraestrutura.
- Experiência na criação ou reconstrução substancial de uma função de SRE ou engenharia de infraestrutura.
- Experiência na definição de SLOs, criação de programas de plantão, implementação de observabilidade e liderança de mudanças organizacionais.
- Conhecimento avançado de sistemas Linux.
- Experiência com armazenamento compartilhado corporativo, incluindo NAS/SAN, NFS/SMB em grande escala, arquiteturas de snapshot e replicação e integração de armazenamento em nuvem híbrida.
- Experiência operando instalações de colocation e hardware local em escala.
- Compreensão de gerenciamento do ciclo de vida de servidores, sistemas de energia e refrigeração e redes em nível de rack.
- Experiência de produção com Terraform e Ansible, incluindo design de módulos, estado remoto, isolamento de ambientes e governança de mudanças.
- Experiência operando clusters Kubernetes, incluindo gerenciamento do ciclo de vida, confiabilidade de workloads, armazenamento e RBAC em grande escala.
- Experiência sendo responsável por plataformas de observabilidade como Prometheus, Grafana, Datadog ou Splunk.
- Sólidas habilidades de scripting em Python ou Go para serviços de produção e automação de infraestrutura.
- Sólidas habilidades de comunicação com executivos.
- Capacidade de trabalhar efetivamente em um ambiente de alta ambiguidade e poucos processos.
- Experiência na operação de infraestrutura ou serviços de plataforma voltados ao cliente é desejável.
- Conhecimento de InfiniBand, RoCE ou NVLink é desejável.
- Experiência com schedulers de HPC, como Slurm, LSF ou equivalente, é desejável.
- Experiência com operações híbridas e multinuvem em AWS, Azure e GCP é desejável.
- Conhecimento de FinOps é desejável.
- Conhecimento de ITIL ou de uma estrutura equivalente de gerenciamento de incidentes, problemas e mudanças é desejável.
- Publicações técnicas, apresentações em conferências ou contribuições para código aberto são desejáveis.
- É necessário ter autorização legal para trabalhar nos Estados Unidos.
Benefícios
- Remuneração em ações.
- Oportunidades de bônus ou incentivos vinculadas ao desempenho individual e da empresa.
- Seguro médico.
- Seguro odontológico.
- Seguro oftalmológico.
- Plano 401(k).
- Programa inclusivo de recompensas focado no bem-estar dos funcionários e de seus entes queridos.