WEKA
WEKA
201 – 500 員工
B2B人工智慧企業
WEKA 為執行 AI 與資料工作負載的企業客戶開發原生支援 AI 的資料平台。公司也透過支援入口網站提供客戶支援與帳戶管理服務。

資深全球問題解決工程師(班加羅爾)

負責 WEKA 混合雲資料平台的複雜客戶升級問題,從根因分析到徹底解決。\n排查 GPU、網路、儲存及 NVIDIA DGX 環境,並將反覆發生的問題轉化為產品與支援服務的改進。

說明

  • 主導重大客戶升級問題的分析與徹底解決,包括主持即時事件協作會議。
  • 追查應用程式、運算與 GPU、用戶端、網路、儲存及雲端服務中的問題根因。
  • 找出不同案例和軟體版本中的缺陷模式及客戶受影響範圍,並推動預防措施。
  • 盡可能在支援團隊內解決問題;需要修改程式碼時,整理可重現且有證據佐證的缺陷報告提交研發團隊。
  • 建立並維護已知問題紀錄、WEKA 技術公告及知識庫文章。
  • 將反覆發生的案例轉化為產品與流程改進,包括回饋開發團隊及改善產品可支援性的需求。
  • 開發分析工具與自動化方案,提升支援團隊的工作效率。
  • 指導客戶成功工程師,強化支援團隊的整體技術能力。
  • 為客戶成功團隊、新進員工及合作夥伴團隊提供技術訓練。
  • 參與值班輪調,支援全天候服務。
  • 指導 NCP 和 DGX Cloud 相關工作,包括參考架構、驗收與效能基準測試工具,以及與 NCP 和 NVIDIA 工程師共同排查問題。

職位要求

  • 具備電腦科學、工程或相關領域學士學位,或同等實務經驗。
  • 至少 10 年進階技術支援、維護工程、網站可靠性工程(SRE)或系統工程經驗,並曾直接服務客戶。
  • 具備成功解決複雜分散式系統問題的實績。
  • 有將個別升級問題轉化為更廣泛解決方案的經驗,例如產品變更、技術公告或工具。
  • 有在重大且備受關注的事件中支援客戶的經驗。
  • 有與工程團隊合作解決缺陷的經驗,包括重現問題並提供根因證據。
  • 具備良好的英語書寫和口語能力。
  • 能彈性安排工時,配合全球團隊工作。
  • 具備跨層級的系統推理能力,例如能將網路、核心、儲存或應用程式的變更與其他環節出現的症狀連結起來。
  • 深入了解 Linux,包括核心、記憶體管理、NUMA、CPU 排程及驅動程式。
  • 具備分散式儲存或平行檔案系統經驗。
  • 了解 RDMA、RoCE、InfiniBand 和 Ethernet 等高效能網路技術。
  • 具備進階除錯技能,包括大規模核心傾印與記錄檔分析,以及使用 perf、eBPF、gdb 和閱讀原始程式碼。
  • 能根據指標提出效能假設,並以資料驗證。
  • 具備 GPU 與 AI 工作負載經驗者尤佳,尤其是 GPUDirect Storage,以及 NVIDIA DGX、SuperPOD 或 NCP 參考架構相關經驗。
  • 具備公有雲(AWS、Azure、GCP 或 OCI)、Kubernetes、容器及虛擬化經驗者佳。
  • 熟悉 NFS、SMB 和 S3 協定、DPDK 和 UCX,以及 Python、Bash、Ansible 或 Terraform 等自動化工具者佳。

相關職缺