Senior Software Engineer, DGX Cloud AI Infrastructure

🕒 il y a 4 mois

🏄 California, Oregon, +2 états de plus – Distant

🏄 California – Remote 🌲 Oregon – Remote 🤠 Texas – Remote ☕ Washington – Remote

💵 $184 000 - $356 500 / an

⏰ Temps Plein

🟠 Senior

🧑‍💻 Développeur Full-Stack

🦅 Parrain de Visa H1B

Cette entreprise a parrainé des visas H1B par le passé.

👻 Score fantôme 46%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

NVIDIA

Site WebLinkedInTous les Emplois

10 000+ employés

Fondée en 1993

🏥 Santé

🏭 Fabrication

🤖 Intelligence artificielle

Healthcare • Manufacturing • Artificial Intelligence

NVIDIA est une entreprise technologique de premier plan, spécialisée dans le calcul accéléré et l’intelligence artificielle (IA). NVIDIA est à l’avant‑garde des avancées en GPU (processeurs graphiques), cloud computing, centres de données et réalité virtuelle, avec un accent particulier sur les secteurs du gaming, de l’automobile, de la santé et de la robotique. Ses innovations, telles que NVIDIA Omniverse, transforment les processus numériques traditionnels en permettant des simulations haute fidélité et des tâches de rendu de pointe. Ses applications couvrent de nombreux secteurs, des véhicules autonomes avec NVIDIA DRIVE aux solutions de santé avec NVIDIA Clara, ainsi que des analyses et workflows pilotés par l’IA.

Description

• Lead bring-up, validation, and debugging of large-scale AI clusters, infrastructure, and end-to-end workloads • Bring up, tune, and benchmark AI pre-training, post-training, and inference workloads using PyTorch, NeMo / Megatron, TensorRT-LLM, and adjacent NVIDIA AI software stacks • Profile and optimize end-to-end workload performance across compute, memory, networking, and communication layers using Nsight Systems, NCCL tests, and custom microbenchmarks • Analyze scaling efficiency for distributed LLM workloads using data, tensor, pipeline, and expert parallelism across modern GPU clusters • Own root-cause analysis of complex failures, including hangs, performance regressions, and topology sensitivity in large distributed environments • Define and build the resilience and failure-attribution stack for node, fabric, and workload failures across the cluster • Build repeatable benchmark suites, automation, acceptance criteria, and qualification workflows on new platforms • Tune runtime settings, communication parameters, and deployment configurations with framework, systems, and platform teams • Deliver data-driven recommendations based on profiling, benchmark results, and cluster characterization • Mentor engineers, drive technical standards, and influence the broader performance and infrastructure organization

🎯 Exigences

• Bachelor’s or Master’s in Computer Science or a related technical field (or equivalent experience) • 8+ years of experience developing software infrastructure for large-scale AI or HPC systems, including a track record of technical leadership • Expertise debugging and triaging AI applications across the full stack — from the application layer down to the hardware • Deep hands-on experience with NCCL, CUDA-aware distributed execution, and debugging multi-GPU and multi-node workloads at scale • Proven track record of architecting, debugging, and scaling large-scale distributed systems • Expert-level Python and C/C++ programming skills • Experience operating workloads in scheduled, containerized cluster environments • Excellent analytical, debugging, and communication skills, with the ability to influence across teams • Demonstrated experience debugging and optimizing AI workloads at large scale • Deep familiarity with the RDMA software stack (NCCL, IB verbs, UCX, libfabric) • Strong knowledge of GPU cluster fabrics and topology, including NVLink, NVSwitch, PCIe, RoCE, and InfiniBand • Experience building acceptance tests, benchmark harnesses, regression gates, or cluster qualification tooling for AI platforms • Experience building resilience, fault-detection, or failure-attribution systems for datacenter-scale infrastructure

🏖️ Avantages

• Equity • Benefits