Podjetje d-Matrix razvija tehnologijo za sklepanje umetne inteligence v podatkovnih centrih, namenjeno izboljšanju učinkovitosti računanja z računanjem v pomnilniku. Podjetje, ustanovljeno leta 2019, združuje načrtovanje namenskih vezij, orodja za strojno učenje, programsko opremo, algoritme in povezave na ravni čipletov, da bi se spopadlo z izzivom povezovanja pomnilnika in računanja za sodobne delovne obremenitve umetne inteligence.
Direktor Site Reliability Engineeringa za infrastrukturo umetne inteligence — d-Matrix, Santa Clara, hibridno delo
Vodili boste organizacijo SRE podjetja d-Matrix za infrastrukturo sklepanja generativne umetne inteligence. Odgovorni boste za zanesljivost, opazljivost, avtomatizacijo, shranjevanje ter hibridne oblačne in lokalne operacije.
Združene države Amerike
Kalifornija195.000 $ – 285.000 $ / leto
HibridnoPolni delovni časVodjaZahtevani Jezik: angleščinaDevOps inženirOpis
- Vzpostaviti in voditi organizacijo Site Reliability Engineering v podjetju d-Matrix.
- Ustvariti listino SRE ter v strojno in programsko inženirstvo vključiti prakse zanesljivosti.
- Zaposlovati, razvijati in zadržati ekipo enega do treh inženirjev SRE.
- Upravljati ekipo tehnikov podatkovnega centra in laboratorija ter določati operativne prednostne naloge in standarde.
- Prevzeti odgovornost za neprekinjeno zanesljivost v kolokacijskih objektih, lokalnih laboratorijskih gručah, oblačnih okoljih in platformskih storitvah za stranke.
- Načrtovati odporne sisteme na podlagi domen odpovedi, postopnega uvajanja in discipliniranega upravljanja sprememb.
- Opredeliti kazalnike ravni storitev, cilje ravni storitev in proračune napak.
- Vzpostaviti procese dežurstev, vključno z modelom follow-the-sun ob širjenju globalnih operacij.
- Razviti okvire za odzivanje na incidente in analizo temeljnih vzrokov.
- Voditi opazljivost metrik, sledi in dnevnikov.
- Izboljševati avtomatizacijo na podlagi Terraform in Ansible, vključno s samopopravljivo infrastrukturo.
- Izvajati avtomatizacijo življenjskega cikla gostiteljev, odpravljanje težav v floti in opozarjanje s podporo AIOps.
- Upravljati FinOps in načrtovanje zmogljivosti v oblačnih, kolokacijskih in lokalnih okoljih.
- Voditi prehod z ad hoc shranjevanja JBOD na poslovno skupno shranjevanje v lokalnih, kolokacijskih in oblačnih okoljih.
- Sodelovati z ekipami Software Tools, QA DevOps, Engineering, Networking Operations in IT Operations za izboljšanje zanesljivosti, stroškovne učinkovitosti in upravljanja tehničnega dolga.
Zahteve
- Diploma prve ali druge stopnje iz računalništva, elektrotehnike ali sorodne discipline.
- Vsaj 15 let izkušenj na področju SRE, infrastrukturnega ali produkcijskega inženirstva.
- Vsaj pet let izkušenj z vodenjem ekip SRE ali infrastrukturnega inženirstva.
- Izkušnje z vzpostavitvijo ali temeljito prenovo funkcije SRE ali infrastrukturnega inženirstva.
- Izkušnje z opredeljevanjem SLO, vzpostavljanjem programov dežurstev, uvajanjem opazljivosti in vodenjem organizacijskih sprememb.
- Napredno znanje sistemov Linux.
- Izkušnje s poslovnim skupnim shranjevanjem, vključno z NAS/SAN, obsežnim NFS/SMB, arhitekturami posnetkov in podvajanja ter integracijo hibridnega oblačnega shranjevanja.
- Izkušnje z upravljanjem kolokacijskih objektov in lokalne strojne opreme v velikem obsegu.
- Razumevanje upravljanja življenjskega cikla strežnikov, sistemov napajanja in hlajenja ter omrežij na ravni omar.
- Praktične izkušnje s Terraform in Ansible v produkciji, vključno z načrtovanjem modulov, oddaljenim stanjem, izolacijo okolij in upravljanjem sprememb.
- Izkušnje z upravljanjem gruč Kubernetes, vključno z upravljanjem življenjskega cikla, zanesljivostjo delovnih obremenitev, shranjevanjem in obsežnim RBAC.
- Izkušnje s platformami opazljivosti, kot so Prometheus, Grafana, Datadog ali Splunk.
- Dobro znanje skriptiranja v Pythonu ali Gou za produkcijske storitve in avtomatizacijo infrastrukture.
- Odlične komunikacijske sposobnosti z vodstvom.
- Sposobnost učinkovitega dela v okolju z veliko nejasnosti in malo procesi.
- Izkušnje z upravljanjem infrastrukture ali platformskih storitev za stranke so prednost.
- Poznavanje tehnologij InfiniBand, RoCE ali NVLink je prednost.
- Izkušnje z razporejevalniki HPC, kot so Slurm, LSF ali enakovredni sistemi, so prednost.
- Izkušnje s hibridnimi in večoblačnimi operacijami v AWS, Azure in GCP so prednost.
- Strokovno znanje FinOps je prednost.
- Poznavanje ITIL ali enakovrednega okvira za upravljanje incidentov, težav in sprememb je prednost.
- Objavljena tehnična besedila, predstavitve na konferencah ali prispevki k odprtokodnim projektom so prednost.
- Imeti morate zakonsko dovoljenje za delo v Združenih državah Amerike.
Ugodnosti
- Nadomestilo v obliki lastniškega deleža.
- Bonusi ali spodbude, povezane z individualno uspešnostjo in uspešnostjo podjetja.
- Zdravstveno zavarovanje.
- Zobozdravstveno zavarovanje.
- Zavarovanje vida.
- Načrt 401(k).
- Vključujoč program nagrajevanja, osredotočen na dobrobit zaposlenih in njihovih bližnjih.