Senior Engineer

🕒 vor 12 Tagen

🏄 California, Washington – Remote

🏄 California – Remote ☕ Washington – Remote

💵 $184.000 - $356.500 / Jahr

⏰ Vollzeit

🟠 Senior

🧑‍💻 Full-Stack-Entwickler

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

👻 Geisterscore 1%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

NVIDIA

WebsiteLinkedInAlle Stellen

10.000+ Mitarbeiter

Gegründet 1993

🏥 Gesundheitswesen

🏭 Fertigung

🤖 Künstliche Intelligenz

Healthcare • Manufacturing • Artificial Intelligence

NVIDIA ist ein führendes Technologieunternehmen mit Spezialisierung auf beschleunigtes Computing und Künstliche Intelligenz (AI). NVIDIA treibt Fortschritte bei Grafikprozessoren (GPUs), Cloud Computing, Rechenzentren und Virtual Reality voran und fokussiert dabei Branchen wie Gaming, Automotive, Gesundheitswesen und Robotik. Innovationen des Unternehmens wie NVIDIA Omniverse transformieren traditionelle digitale Prozesse, indem sie hochrealistische Simulationen und Rendering-Aufgaben ermöglichen. Die Anwendungen erstrecken sich über zahlreiche Branchen – von autonomen Fahrzeugen mit NVIDIA DRIVE über Gesundheitslösungen mit NVIDIA Clara bis hin zu AI-gestützten Analysen und Workflows.

Beschreibung

• Lead NVIDIA Cloud Partner Day 2 operational readiness efforts following initial deployment and activation • Collaborate with NVIDIA Cloud Partners to establish systems, procedures, automation, and operational methods for accelerated infrastructure • Build continuous validation for GPU, CPU, storage, and network health across large-scale AI clusters • Establish telemetry, monitoring, alerting, dashboards, and operational signals across compute, GPU, networking, storage, Kubernetes, and AI workloads • Develop automated workflows to detect, isolate, drain, repair, validate, and return unhealthy infrastructure to service • Manage GPU fleet lifecycle, including drivers, firmware, Kubernetes nodes, OS patching, configuration management, upgrades, and configuration drift • Translate NVIDIA NCP requirements and reference architectures into production operating practices, validation criteria, runbooks, automation, and measurable standards • Define health signals, SLOs, metrics, acceptance criteria, and infrastructure readiness validation • Build reusable tooling, automation, implementation guides, runbooks, playbooks, and reference implementations across NCP environments

🎯 Anforderungen

• BS, MS, or Ph.D. in Computer Science, Computer/Electrical Engineering, or a related technical field, or equivalent experience • 8+ years of experience in infrastructure engineering, Site Reliability Engineering, DevOps, cloud platform engineering, systems engineering, or similar roles supporting large-scale production environments • Strong experience operating Linux-based distributed systems and cloud infrastructure in production • Deep understanding of Kubernetes, containers, cluster scheduling, and the operational lifecycle of large multi-node environments • Strong understanding of production observability, including metrics, logging, alerting, dashboards, health checks, and operations guided by service level agreements • Experience crafting automation for infrastructure lifecycle management, failure detection, remediation, upgrades, and configuration management • Strong networking fundamentals and experience troubleshooting complex distributed systems across compute, network, and storage layers • Programming and automation experience using Python, Go, shell scripting, or similar languages • Experience managing extensive GPU or accelerated computing infrastructure that supports AI training and inference workloads • Experience with NVIDIA technologies including DGX/HGX systems, CUDA, NVLink/NVSwitch, NVIDIA networking, InfiniBand, RoCE, GPU Operator, Network Operator, or related NVIDIA infrastructure software • Proven experience collaborating with NVIDIA Cloud Partners, hyperscale cloud providers, managed AI clouds, or extensive service-provider infrastructure and operating SLOs for large-scale compute infrastructure and using operational data to improve availability, performance, and fleet efficiency • Extensive knowledge of infrastructure observability tools including Prometheus, Grafana, OpenTelemetry, Alertmanager, and scalable telemetry pipelines • Knowledge of failure modes related to large distributed AI workloads and the infrastructure features necessary to consistently support extended training and production inference

🏖️ Vorteile

• Equity • Benefits