Estados Unidos
B&A
NVIDIA
Ingeniero de software principal, fiabilidad a escala e inteligencia de flota — Colaboraciones con CSP
Estados Unidos
Santa Clara, California, United States
Traducción automática. Consulta el original.
Sobre la oportunidad
Buscamos un ingeniero de software principal para unirse a nuestro equipo de Colaboraciones con CSP como punto focal técnico para la fiabilidad a escala de flota, trabajando directamente con los equipos de ingeniería de clientes clave de CSP / hiperescala para garantizar que las plataformas NVIDIA alcancen el MTBI (tiempo medio entre interrupciones) objetivo en producción. En este puesto, reforzará los equipos internos de software/firmware y calidad de NVIDIA con un enfoque dedicado a los CSP. Impulsará flujos de trabajo con los equipos de ingeniería de los CSP para crear una comprensión compartida de la arquitectura y la metodología de software/firmware de fiabilidad, incorporará sus datos de telemetría y fallos de flota en las prioridades de mejora de NVIDIA y validará que las mejoras de fiabilidad medidas en el laboratorio se traduzcan en entornos reales de los clientes. Su visibilidad entre CSP le permite distinguir las brechas arquitectónicas sistémicas de los problemas ambientales o específicos de la configuración que ninguna colaboración con un solo cliente podría identificar por sí sola.
NVIDIA lidera el camino en desarrollos innovadores en Inteligencia Artificial, Computación de Alto Rendimiento y Visualización. La GPU, nuestra invención, sirve como la corteza visual de las computadoras modernas y está en el corazón de nuestros productos y servicios. Contamos con algunas de las personas con mayor visión de futuro y más trabajadoras del planeta. Si eres creativo, trabajador y automotivado, ¡queremos saber de ti!
Lo que hará
- Impulsar flujos de trabajo de fiabilidad con los equipos de ingeniería de los CSP, garantizando una comprensión compartida de la metodología de medición del MTBI, la clasificación de fallos y la arquitectura de supervisión del estado.
- Recopilar y sintetizar datos de fiabilidad de la flota de los CSP; identificar patrones de fallos que aparecen en varios clientes y defender las mejoras ante los equipos de firmware, controladores y hardware de NVIDIA.
- Definir una metodología de medición del MTBI coherente que funcione en diferentes entornos de supervisión y prácticas operativas de los 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 la configuración.
- Impulsar la arquitectura de integración de la supervisión del estado de la flota; garantizar que los agentes de estado, la telemetría y los informes de NVIDIA se alineen con los flujos de trabajo operativos y la automatización de los CSP.
- Definir el entorno de pruebas de fiabilidad de rodaje (burn-in) y los criterios de certificación de clústeres en colaboración con los equipos de calidad, validando con los clientes que los criterios sean significativos.
- Colaborar con los CSP para garantizar que el trabajo de integración relacionado con la fiabilidad (despliegue de supervisión del estado, canalización de telemetría, configuración de alertas) esté completo antes del lanzamiento a escala.
- Desarrollar modelos predictivos de fallos utilizando telemetría de flota y validar su eficacia en los entornos de los clientes.
Lo que necesitamos ver
- 15+ años de experiencia en software de sistemas a escala de centro de datos, o en ingeniería de fiabilidad con enfoque en desafíos a 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 a escala de rack. Métodos de análisis estadístico de fallos: cálculo de MTBF/MTBI, análisis de Pareto, clasificación de causas 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 del hardware en despliegues de GPU/aceleradores a gran escala; capacidad para clasificar y priorizar en los dominios de computación, interconexión, memoria, energía y térmico.
- Experiencia en la definición u operación de marcos de rodaje (burn-in), pruebas de 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 la flota a escala y traducirlos en prioridades de ingeniería procesables.
- Comunicación sólida: capacidad para presentar hallazgos estadísticos de fiabilidad tanto a audiencias técnicas profundas como a liderazgo ejecutivo. Éxito demostrado impulsando mejoras interfuncionales en equipos de hardware, firmware y software sin autoridad directa.
Formas de destacar entre la multitud
- Experiencia en fiabilidad de flota en un hiperescalador (estado del hardware, fiabilidad de flota 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 de predicción de fallos para infraestructura de aceleradores o HPC.
- Antecedentes en la definición de estándares de medición de MTBI/MTBF o programas de certificación para sistemas complejos de múltiples componentes.
- Comprensión de cómo fluyen los datos de fiabilidad desde el firmware del dispositivo a través de las canalizaciones de telemetría hasta los paneles de control a nivel de flota y la remediación automatizada.
Su salario base se determinará en función de su ubicación, experiencia y la remuneración de los empleados en puestos similares. El rango de salario base es 272,000 USD - 431,250 USD.
Las solicitudes para este puesto se aceptarán al menos hasta el 26 de octubre de 2026.
Esta publicación es para 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 mucho la diversidad en nuestros empleados actuales y futuros, no discriminamos (incluso en nuestras prácticas de contratación y promoción) por motivos de raza, religión, color, origen nacional, género, expresión de género, orientación sexual, edad, estado civil, estado de veterano, estado de discapacidad o cualquier otra característica protegida por la ley.
También será elegible para capital 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