LogoFresh Jobs Ahead
d-Matrix
d-Matrix
51 – 200 Anställda
Sponsor för H1B-visumArtificiell intelligensKonsultverksamhetTillverkning
d-Matrix utvecklar AI-inferensteknik för datacenter som är utformad för att förbättra beräkningseffektiviteten genom databehandling i minnet. Företaget grundades 2019 och kombinerar specialanpassad kretskonstruktion, verktyg för maskininlärning, programvara, algoritmer och sammankopplingar i chiplet-skala för att hantera utmaningen med att integrera minne och beräkning för moderna arbetsbelastningar inom artificiell intelligens.
LinkedIn
Jobb på företaget

Chef för Site Reliability Engineering, AI-infrastruktur — d-Matrix, Santa Clara hybrid

Led d-Matrixs SRE-organisation för inferensinfrastruktur för generativ AI. Ansvara för tillförlitlighet, observability, automatisering, lagring samt hybridmoln- och lokala driftmiljöer.

USUSACAKalifornien
195 000 $ – 285 000 $ / år
HybridHeltidLeadObligatoriskt Språk: engelskaDevOps-ingenjör
AnsibleAWSAzureGoGoogle Cloud PlatformGrafanaKubernetesLinuxMolnNFSPrometheusPythonSplunkTerraform

Beskrivning

  • Etablera och leda d-Matrixs organisation för Site Reliability Engineering.
  • Skapa SRE-uppdraget och integrera tillförlitlighetsrutiner i hårdvaru- och mjukvaruutvecklingen.
  • Rekrytera, utveckla och behålla ett team på en till tre SRE-ingenjörer.
  • Leda data- och labbteknikerteamet samt fastställa operativa prioriteringar och standarder.
  • Ansvara för tillförlitlighet dygnet runt i samlokaliseringsanläggningar, lokala labbkluster, molnmiljöer och plattformstjänster riktade till kunder.
  • Utforma motståndskraftiga system utifrån felområden, progressiv leverans och disciplinerat förändringsarbete.
  • Definiera tjänstenivåindikatorer, tjänstenivåmål och felbudgetar.
  • Skapa beredskapsprocesser, inklusive en modell för uppföljning av solen när den globala verksamheten expanderar.
  • Utveckla ramverk för incidenthantering och rotorsaksanalys.
  • Leda observability för mätvärden, spårningar och loggar.
  • Vidareutveckla Terraform- och Ansible-baserad automatisering, inklusive självläkande infrastruktur.
  • Implementera automatisering av värdars livscykel, åtgärder i serverparken och AIOps-baserad larmhantering.
  • Hantera FinOps och kapacitetsplanering i moln-, samlokaliserings- och lokala miljöer.
  • Leda övergången från ad hoc-JBOD-lagring till företagsgemensam lagring i lokala miljöer, samlokaliseringsmiljöer och molnmiljöer.
  • Samarbeta med Software Tools, QA DevOps, Engineering, Networking Operations och IT Operations för att förbättra tillförlitlighet, kostnadseffektivitet och hantering av teknisk skuld.

Krav

  • Kandidat- eller masterexamen i datavetenskap, elektroteknik eller närliggande område.
  • Minst 15 års erfarenhet av SRE, infrastrukturingenjörskap eller produktionsingenjörskap.
  • Minst fem års erfarenhet av att leda SRE- eller infrastrukturingenjörsteam.
  • Erfarenhet av att skapa eller genomgripande bygga om en SRE- eller infrastrukturingenjörsfunktion.
  • Erfarenhet av att definiera SLO:er, bygga beredskapsprogram, implementera observability och leda organisatorisk förändring.
  • Avancerad kompetens i Linux-system.
  • Erfarenhet av företagsgemensam lagring, inklusive NAS/SAN, storskalig NFS/SMB, arkitekturer för ögonblicksbilder och replikering samt integrering av hybridmolnlagring.
  • Erfarenhet av att driva samlokaliseringsanläggningar och lokal hårdvara i stor skala.
  • Förståelse för hantering av serverlivscykler, kraft- och kylsystem samt nätverk på racknivå.
  • Produktionserfarenhet av Terraform och Ansible, inklusive moduldesign, fjärrtillstånd, miljöisolering och styrning av förändringar.
  • Erfarenhet av att driva Kubernetes-kluster, inklusive livscykelhantering, arbetsbelastningars tillförlitlighet, lagring och RBAC i stor skala.
  • Erfarenhet av att ansvara för observability-plattformar som Prometheus, Grafana, Datadog eller Splunk.
  • Goda kunskaper i Python- eller Go-skript för produktionstjänster och infrastrukturell automatisering.
  • Mycket god förmåga att kommunicera med ledningen.
  • Förmåga att arbeta effektivt i en miljö med hög tvetydighet och få processer.
  • Erfarenhet av att driva kundinfrastruktur eller plattformstjänster är meriterande.
  • Kunskap om InfiniBand, RoCE eller NVLink är meriterande.
  • Erfarenhet av HPC-schemaläggare som Slurm, LSF eller motsvarande är meriterande.
  • Erfarenhet av hybrid- och multicloud-drift i AWS, Azure och GCP är meriterande.
  • Kompetens inom FinOps är meriterande.
  • Kunskap om ITIL eller motsvarande ramverk för incident-, problem- och förändringshantering är meriterande.
  • Publicerade tekniska texter, konferenspresentationer eller bidrag till öppen källkod är meriterande.
  • Måste ha laglig rätt att arbeta i USA.

Förmåner

  • Aktieersättning.
  • Bonus- eller incitamentsmöjligheter kopplade till individuell prestation och företagets resultat.
  • Sjukförsäkring.
  • Tandvårdsförsäkring.
  • Synvårdsförsäkring.
  • 401(k)-plan.
  • Inkluderande belöningsprogram med fokus på medarbetarnas och deras närståendes välbefinnande.

Relaterade jobb

Navitus Health Solutions

IT-supporttekniker, Madison, WI (på plats)

Navitus Health Solutions
1 001 – 5 000 Anställda
FörsäkringarHälso- och sjukvårdKonsultverksamhet
USUSAWIWisconsin
54 236 $ – 64 567 $ / år
På platsHeltidMellannivåSeniorObligatoriskt Språk: engelskaSupportingenjör

Ge support för Navitus datacenter, utrustning, programvara och infrastruktur i en IT-roll på plats. Ge avancerad teknisk hjälp, felsök problem, samordna uppgraderingar och delta i ett roterande beredskapsschema.

Öppna
Rocket Software

Mjukvaruingenjör III, Java fullstack

Rocket Software
1 001 – 5 000 Anställda
Sponsor för H1B-visumKonsultverksamhetLogistikMarknadsföring
INIndienPå platsHeltidMellannivåSeniorObligatoriskt Språk: engelskaFullstackingenjörMjukvaruingenjör

Utforma, felsök och testa Java-mjukvara för hela stacken på Rocket Software och bidra till produktförbättringar, nya produkter och utvecklingsverktyg. Leverera underhållbar, dokumenterad kod och testtäckning i samarbete genom agila ceremonier.

Öppna