NVIDIA oyunlar, veri merkezleri, bulut bilişim, sağlık, üretim, otomotiv ve robotik gibi alanlarda kullanılan hızlandırılmış bilişim ve yapay zekâ teknolojileri geliştirir. Şirketin çalışmaları grafik işlem birimlerini, yapay zekâ platformlarını, simülasyonu ve sektörlere yönelik çözümleri kapsar. Bu çözümler arasında iş birliğine dayalı 3D iş akışları için NVIDIA Omniverse, otonom araç geliştirme için NVIDIA DRIVE ve sağlık uygulamaları için NVIDIA Clara yer alır. Şirket, gelişmiş bilişim, simülasyon ve yapay zekâ destekli analizleri mümkün kılan altyapı ve yazılımlar üzerinde çalışan geniş teknik ekipleri bir araya getirir.
Kıdemli Bulut Altyapısı ve Güvenilirlik Çözümleri Mimarı
EMEA genelindeki NVIDIA Cloud Partner GPU filolarında operasyonel güvenilirliği yönetin. Arıza kurtarma, gözlemlenebilirlik, bakım ve Kubernetes operasyonlarını büyük ölçekte otomatikleştirin.
Açıklama
- EMEA genelindeki NVIDIA Cloud Partner filolarında üretim ortamlarının kararlılığını ve güvenilirliğini yönetin.
- Büyük GPU kümeleri için güvenilirlik ve iş yükü verimi ölçütlerini belirleyip iyileştirin ve platform hata bütçelerini yönetin.
- GPU, düğüm, ağ altyapısı ve depolama arızaları için otomatik algılama ve kurtarma iş akışları oluşturun.
- Arıza sınıflandırma, düğümlerin iş yüklerinden çıkarılması ve yalıtılması, sıfırlama ve hizmete geri alma prosedürlerini otomatikleştirin.
- Risk incelemelerinden aşamalı dağıtımlara ve doğrulamaya kadar önleyici bakım ile ürün yazılımı veya saha bildirimlerine yönelik dağıtımları planlayıp gerçekleştirin.
- Prometheus, Grafana, Loki, DCGM, XID tanılama araçları, GPUd ve NVSentinel dâhil filo gözlemlenebilirliği ve güvenilirlik araçlarını iş ortağı sistemleriyle entegre edin.
- NVEX, teknik müşteri yöneticileri ve iş ortağı operasyon ekipleriyle olay müdahalesini ve olay sonrası incelemeleri koordine edin.
- Temel neden incelemelerine liderlik edin, düzeltici faaliyetleri tamamlayın ve tekrarlanan olayları otomasyona, sistem sağlık kontrollerine veya çalışma kılavuzlarına dönüştürün.
- Kubernetes, KubeVirt, Slurm ve GPU farkındalıklı zamanlayıcılarda Kubernetes düğüm yaşam döngülerini ve güvenilirliğini yönetin.
- Düğüm sağlık politikalarını belirleyin; GPU hızlandırmalı düğümlerde yükseltmeleri, yeniden başlatmaları ve iş yüklerinin güvenli biçimde boşaltılmasını koordine edin.
Gereksinimler
- Bilgisayar bilimi, elektrik veya bilgisayar mühendisliği, fizik, matematik ya da ilgili bir alanda lisans, yüksek lisans veya doktora derecesi ya da eşdeğer deneyim.
- Site güvenilirliği mühendisliği, üretim mühendisliği veya büyük ölçekli altyapı operasyonlarında en az 8 yıl deneyim.
- SLO'lar ve hata bütçeleri, nöbet ve olay komutası, suçlayıcı olmayan incelemeler ile kullanılabilirlikte veya kesintiler arasındaki ortalama sürede ölçülebilir iyileşmeler dâhil, büyük ölçekte üretim güvenilirliğinden sorumlu olma deneyimi.
- HPC veya yapay zekâ kümelerini ve NVIDIA GPU altyapısını işletme deneyimi; sürücü ve CUDA araç takımı yaşam döngüleri, ürün yazılımı, iş yükü profilleme ve CPU, GPU ile yüksek hızlı ara bağlantılardaki sorunların giderilmesi dâhil.
- GPU ve HPC ortamlarında Kubernetes işletme konusunda kapsamlı deneyim; düğüm yaşam döngüleri, yükseltme ve iş yüklerini boşaltma, zamanlayıcı davranışı, Slurm ve çıplak metal ile sanallaştırılmış, çok kiracılı sistemlerin birlikte kullanımı dâhil.
- Python ve Bash, Ansible ve Terraform gibi altyapı kodu ve yapılandırma yönetimi araçları, GitOps tabanlı filo yaşam döngüsü ve yükseltmeler ile Prometheus, Grafana ve Loki konularında yetkinlik.
- Red Hat ve Ubuntu dâhil Linux, işletim sistemi ayarlama ve güvenliği, veri merkezi ağlarının temelleri ve Lustre, GPFS, ZFS ve XFS gibi paralel veya kurumsal depolama sistemlerinde güçlü uzmanlık.
- Büyük bir üretim filosunda ürün yazılımı, mikro kod veya saha bildirimlerine yönelik proaktif dağıtımları planlama ve gerçekleştirme deneyimi.
- DCGM, XID tanılama araçları, GPUd, NVSentinel, düğüm sağlık aracıları ve filo genelinde güvenilirlik zekâsı konularında bilgi sahibi olma.
- NVIDIA GPU ve Network Operator'ları ile NVIDIA Base Command Manager deneyimi.
- Kubernetes üzerinde KAI, Grove, Dynamo ve NVIDIA Cloud Functions gibi yapay zekâ zamanlama ve çıkarım çerçeveleriyle uygulamalı deneyim.
- InfiniBand veya RoCE gibi RDMA ağlarında uzmanlık; Cumulus Linux, SONiC, Spectrum-X, DPU/DOCA ve NVLink/NVSwitch bölümleme operasyonlarında deneyim tercih sebebidir.