NVIDIA

Senior System Software Engineer, DGX Cloud AI Infrastructure

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior-инженер в команду NVIDIA Recovery and Resilience, которая строит инфраструктуру для крупномасштабного обучения ИИ. Роль предполагает владение сервисами, инструментами и open-source проектами для отказоустойчивого и эффективного обучения — от проектирования до продакшена.

Задачи

  • Проектировать, создавать, запускать и эксплуатировать сервисы, инструменты и open-source проекты
  • Планировать и распределять работу команды, менторить junior-инженеров и ревьюить дизайны
  • Строить отказоустойчивую AI-инфраструктуру на Kubernetes и Slurm для тренировочных нагрузок NVIDIA и клиентов, включая суперкомпьютеры в облаках и on-premises кластеры
  • Разрабатывать API для систем отказоустойчивости NVIDIA: телеметрии, автоматизации break/fix, checkpoint и execution систем
  • Строить слой отправки задач, скрывающий инфраструктурные сбои от пользователей и автоматически перезапускающий длительные тренировки
  • Разрабатывать агентные инструменты для повышения эффективности обучения: поиск узких мест, диагностика сбоев и рекомендации по исправлению
  • Развивать open-source: релизить компоненты для клиентов и сообщества и улучшать их совместно
  • Настраивать эксплуатацию сервисов команды: поддержка, мониторинг, алерты, CI/CD, интеграционные тесты и on-call планы

Требования

  • Степень BS, MS или PhD в Computer Science или смежной области (или эквивалентный опыт) и 12+ лет опыта
  • Подтверждённый опыт доведения крупных систем от проектирования до продакшена
  • Сильный опыт с Kubernetes и/или Slurm в масштабе
  • Практический опыт с PyTorch, TensorFlow, JAX или Ray
  • Глубокое понимание NVIDIA GPU и сетей, включая то, как они отказывают
  • Опыт эксплуатации production-сервисов: CI/CD, мониторинг, алертинг и on-call

Условия

  • Базовая зарплата 224 000 – 356 500 USD для Level 5 и 272 000 – 431 250 USD для Level 6
  • Право на equity и льготы
  • Приём заявок как минимум до 10 ноября 2026 года
  • Равные возможности трудоустройства и инклюзивная среда

Навыки

  • Kubernetes
  • Slurm
  • PyTorch
  • TensorFlow
  • JAX
  • Ray
  • NVIDIA GPUs
  • CI/CD
  • Monitoring
  • Alerting
  • On-call
  • LLM-based agents
  • Fault tolerance
  • Checkpointing

Похожие вакансии

AI/ML Application Software Engineer, Staff
QualcommSeniorRedmondОфис
174,000 – 261,000 USD в год
26 окт.
Senior Computer Vision Software Engineer
QualcommSeniorSan DiegoОфис
117,800 – 176,600 USD в год
29 окт.
Staff Machine Learning Software Engineer
Spryte Medical IncSeniorBedfordОфис
170,000 – 230,000 USD в год
2 нояб.
Machine Learning System Software Engineer
AppleMiddleSunnyvaleОфис
8 нояб.
Senior Software Engineer, Core AI Software Onsite (Mobile BU Focus)
QualcommSeniorSan DiegoОфис
140,800 – 211,200 USD в год
22 окт.
Staff Software Engineer, AI Software Core
QualcommSeniorSan DiegoОфис
162,000 – 243,000 USD в год
3 нояб.
Software Integration Engineer, Autonomy
42dotMiddleОфис
150,000 – 205,000 USD в год
7 нояб.
Sr. Software Integration Engineer, Autonomy
42dotSeniorОфис
200,000 – 300,000 USD в год
7 нояб.
Software Engineer, AI Agents (Remote SF)
Morgan Pinnacle GroupMiddleSan FranciscoУдалённо
200,000 – 320,000 USD в год
6 нояб.
Software Developer III, AI/ML GenAI, Google Ads
GoogleMiddleMountain ViewОфис
147,000 – 210,000 USD в год
7 нояб.