Senior DGX Cloud AI Infrastructure Software Engineer

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

Инженер инфраструктуры в команду DGX Cloud AI Efficiency в NVIDIA. Разработка инструментов и сервисов для повышения эффективности и отказоустойчивости AI-нагрузок — pre-training, post-training и inference.

Задачи

• Разрабатывать инфраструктурный софт и инструменты для крупномасштабных pre-training, post-training и inference
• Разрабатывать и оптимизировать инструменты и библиотеки для повышения эффективности и отказоустойчивости инфраструктуры
• Совместно проектировать и реализовывать API для интеграции со стеками отказоустойчивости NVIDIA
• Улучшать инфраструктуру и продукты, лежащие в основе AI-платформ NVIDIA
• Определять значимые и применимые метрики надёжности для отслеживания и улучшения надёжности систем и сервисов
• Проводить root cause analysis и триаж сбоев от уровня приложения до уровня железа

Требования

• Минимум 8+ лет опыта разработки программной инфраструктуры для крупномасштабных AI-систем
• Степень бакалавра или выше в Computer Science или смежной технической области (или эквивалентный опыт)
• Сильные навыки отладки и опыт анализа и триажа AI-приложений от уровня приложения до уровня железа
• Опыт работы с платформами observability для мониторинга и логирования (например, ELK, Prometheus, Loki)
• Подтверждённый опыт построения и масштабирования крупномасштабных распределённых систем
• Опыт работы с инфраструктурными сервисами для AI training и inferencing
• Владение языками программирования, такими как Python, C/C++, скриптовыми языками
• Опыт качественных практик разработки ПО: разработка тестов, defensive programming, контроль версий, CI
• Отличные коммуникативные навыки и навыки сотрудничества

Условия

• Базовая зарплата 184 000–287 500 USD для Level 4 и 224 000–356 500 USD для Level 5
• Право на equity и льготы
• Заявки принимаются как минимум до 3 октября 2026 года

Навыки

• Python
• C
• C++
• ELK
• Prometheus
• Loki
• RDMA
• NCCL
• IB verbs
• ucx
• libfabrics
• PyTorch
• TensorFlow
• JAX
• Ray
• CI