NVIDIA 致力於開發加速運算與人工智慧技術，廣泛應用於遊戲、資料中心、雲端運算、醫療保健、製造、汽車與機器人等領域。其業務涵蓋圖形處理器、人工智慧平台、模擬技術及產業導向的解決方案，包括支援協作式 3D 工作流程的 NVIDIA Omniverse、用於自動駕駛車輛開發的 NVIDIA DRIVE，以及面向醫療應用的 NVIDIA Clara。公司匯聚眾多技術團隊，專注於打造支援先進運算、模擬與人工智慧驅動分析的基礎架構與軟體。
資深網站可靠性工程師，生產工程——印度遠端
作為資深網站可靠性工程師，專注於 Kubernetes 管理、自動化、可觀測性與事件回應，支援 NVIDIA Cloud 產品。 協助維護全球營運中的高可用性生產服務。
說明
- 領導全球服務可靠性營運中心
- 支援 NVIDIA Cloud 產品與服務
- 與網站可靠性工程、安全營運、DevOps 及其他團隊協作
- 透過提升自動化程度並減少手動工作，支援生產環境中的 Kubernetes 服務
- 管理大規模 Kubernetes 與系統環境，同時監控安全性，以維護 SLA、完整性與可靠性
- 使用警示、告警與可觀測性工具識別、預防並回應事件
- 調查日誌、指標與系統行為，以診斷技術問題
- 主導根本原因分析並提供有效解決方案
- 發起並主持事件管理會議
- 透過及時升級與解決問題，協調主題專家和服務負責人
- 建立監控、告警與警示機制，提升服務可靠性與客戶體驗
職位要求
- 至少 7 年在高可用性網際網路、雲端或資料中心環境中管理大規模生產 Kubernetes 系統的實務經驗
- 具備內部部署基礎設施經驗者優先
- 具備電腦科學、工程、數學學士學位，或同等經驗
- 具備 Kubernetes、SLURM 與大規模叢集管理方面的進階實務經驗
- 熟悉 GPU 或 DPU 硬體及高效能運算叢集環境
- 具備扎實的 Linux 管理經驗，包括 DNS、DHCP、IP tables、路由與防火牆
- 能夠對大規模裸機基礎設施上的服務進行疑難排解與維護
- 具備 Jenkins、ArgoCD 等 CI/CD 工具經驗
- 具備撰寫指令碼的經驗
- 具備 Python、Golang 或 Rust 程式設計經驗者優先，但非必要
- 具備出色的溝通與人際互動能力，能夠向跨職能團隊進行具說服力的簡報
福利待遇
- 可獲得全天候生產工程團隊支援
- 可彈性安排分段週末班次