Estados Unidos
Ametek, Inc.
NVIDIA
Ingeniero/a de Software Principal, Fiabilidad a Gran Escala e Inteligencia de Flotas — Interacciones con CSP
Estados Unidos
Santa Clara, California, United States
Traducción automática. Consulta el original.
Sobre la oportunidad
Buscamos un/a Ingeniero/a de Software Principal para unirse a nuestro equipo de Interacciones con CSP como punto focal técnico para la fiabilidad a escala de flotas, trabajando directamente con los equipos de ingeniería de clientes CSP / hiperescalares clave para garantizar que las plataformas NVIDIA alcancen el MTBI (Tiempo Medio Entre Interrupciones) objetivo en producción. En este rol, complementarás los equipos internos de software/firmware y calidad de NVIDIA con un enfoque dedicado a la interacción con CSP. Impulsarás flujos de trabajo con los equipos de ingeniería de CSP para construir una comprensión compartida de la arquitectura y metodología de software/firmware de fiabilidad, incorporar sus datos de telemetría y fallos de flota en las prioridades de mejora de NVIDIA, y validar que las mejoras de fiabilidad medidas en el laboratorio se traducen en entornos de clientes reales. Tu visibilidad entre CSP te permite distinguir brechas arquitectónicas sistémicas de problemas ambientales o específicos de configuración que ningún compromiso individual con un cliente podría identificar por sí solo.
NVIDIA está liderando el camino en desarrollos innovadores en Inteligencia Artificial, Computación de Alto Rendimiento y Visualización. La GPU, nuestra invención, sirve como el córtex visual de las computadoras modernas y está en el corazón de nuestros productos y servicios. Tenemos algunas de las personas más visionarias y trabajadoras del planeta trabajando para nosotros. ¡Si eres creativo, trabajador y automotivado, queremos saber de ti!
¿Qué harás? *
- Impulsar flujos de trabajo de fiabilidad con los equipos de ingeniería de CSP — asegurando una comprensión compartida de la metodología de medición de MTBI, la clasificación de fallos y la arquitectura de monitorización de estado. *
- Recopilar y sintetizar datos de fiabilidad de flotas de CSP — identificar patrones de fallos que aparezcan en múltiples clientes y promover mejoras en los equipos de firmware, drivers y hardware de NVIDIA. *
- Definir una metodología de medición de MTBI consistente que funcione en diferentes entornos de monitorización y prácticas operativas de CSP. *
- Realizar análisis de patrones de fallos a escala de flota utilizando métodos estadísticos (Pareto, análisis de supervivencia, Weibull) para clasificar los fallos como sistémicos, ambientales o específicos de configuración. *
- Impulsar la arquitectura de integración de monitorización de estado de flotas — asegurar que los agentes de estado, la telemetría y la generación de informes de NVIDIA se alineen con los flujos de trabajo operativos y la automatización de CSP. *
- Definir el entorno de prueba de fiabilidad de burn-in y los criterios de certificación de clústeres en colaboración con los equipos de calidad, validando con los clientes que los criterios son significativos. *
- Colaborar con los CSP para asegurar que el trabajo de integración relacionado con la fiabilidad (despliegue de monitorización de estado, pipeline de telemetría, configuración de alertas) se complete antes del lanzamiento a gran escala. *
- Desarrollar modelos predictivos de fallos utilizando telemetría de flota y validar su efectividad en entornos de clientes.
¿Qué necesitamos ver? *
- 15+ años de experiencia en software de sistemas a escala de centro de datos, o ingeniería de fiabilidad con enfoque en desafíos a gran escala. *
- Grado o Máster en Informática, Ingeniería Eléctrica, Estadística o campo relacionado (o experiencia equivalente). *
- Profunda experiencia en software y firmware de sistemas multi-NUMA y a escala de rack. Métodos de análisis estadístico de fallos: cálculo de MTBF/MTBI, análisis de Pareto, clasificación de causa raíz. *
- Experiencia con sistemas de telemetría y observabilidad a nivel de flota: bases de datos de series temporales, detección de anomalías, puntuación de estado, correlación de eventos. *
- Comprensión de los modos de fallo de hardware en despliegues de GPU/aceleradores a gran escala — capacidad para clasificar y priorizar en dominios de cómputo, interconexión, memoria, energía y térmicos. *
- Experiencia definiendo u operando marcos de prueba de burn-in, estrés o certificación para sistemas de hardware complejos. Familiaridad con enfoques de mantenimiento predictivo o detección de anomalías aplicados a datos de estado de flota. *
- Obsesión por el cliente — pasión genuina por comprender los desafíos de fiabilidad de flotas a escala y traducirlos en prioridades de ingeniería accionables. *
- Comunicación sólida — capacidad para presentar hallazgos estadísticos de fiabilidad tanto a audiencias técnicas profundas como a liderazgo ejecutivo. Éxito demostrado en la promoción de mejoras interfuncionales entre equipos de hardware, firmware y software sin autoridad directa.
¿Formas de destacar entre la multitud? *
- Experiencia en fiabilidad de flotas en un hiperescalador (estado de hardware, fiabilidad de flotas en CSP/Hiperescalador líder). *
- Familiaridad con la taxonomía de errores de GPU de NVIDIA (errores Xid, contadores de errores NVLink, eventos térmicos, registros CPER). *
- Experiencia en la creación de modelos de puntuación de estado o predicción de fallos para infraestructura de aceleradores o HPC. *
- Experiencia en la definición de estándares de medición de MTBI/MTBF o programas de certificación para sistemas multicomponente complejos. *
- Comprensión de cómo fluyen los datos de fiabilidad desde el firmware del dispositivo a través de pipelines de telemetría hasta dashboards a nivel de flota y remediación automatizada.
Tu salario base se determinará en función de tu ubicación, experiencia y el salario de los empleados en puestos similares.
El rango salarial base es 272,000 USD - 431,250 USD.
Las solicitudes para este puesto se aceptarán al menos hasta Octubre 11, 2026.
Esta oferta corresponde a una vacante existente.
NVIDIA utiliza herramientas de IA en sus procesos de contratación.
NVIDIA se compromete a fomentar un entorno de trabajo inclusivo y se enorgullece de ser un empleador que ofrece igualdad de oportunidades. Dado que valoramos enormemente la diversidad en nuestros empleados actuales y futuros, no discriminamos (incluyendo en nuestras prácticas de contratación y promoción) por motivos de raza, religión, color, origen nacional, género, expresión de género, orientación sexual, edad, estado civil, condición de veterano, condición de discapacidad o cualquier otra característica protegida por la ley.
También serás elegible para acciones y beneficios nvidia.com/en-us/benefits/.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil