Estados Unidos
Ametek, Inc.
NVIDIA
Principal Software Engineer, Confiabilidade em Escala e Inteligência de Frota — Engajamentos CSP
Estados Unidos
Santa Clara, California, United States
Tradução automática. Consulte o original.
Sobre a oportunidade
Estamos procurando um(a) Principal Software Engineer para se juntar à nossa equipe de Engajamentos CSP como ponto focal técnico para confiabilidade em escala de frota, trabalhando diretamente com as equipes de engenharia de clientes CSP / hiperescaláveis chave para garantir que as plataformas NVIDIA atingem o MTBI (Mean Time Between Interruptions) alvo em produção. Neste função, você aumentará as equipes internas de software/firmware e qualidade da NVIDIA com um foco dedicado voltado para o CSP. Você conduzirá fluxos de trabalho com as equipes de engenharia do CSP para construir um entendimento compartilhado da arquitetura de software/firmware de confiabilidade, metodologia, incorporar sua telemetria de frota e dados de falha nas prioridades de melhoria da NVIDIA, e validar que as melhorias de confiabilidade medidas em laboratório se traduzem em ambientes de clientes reais. Sua visibilidade cross-CSP permite distinguir lacunas sistêmicas de arquitetura de questões ambientais ou específicas de configuração que nenhum engajamento de cliente sozinho poderia identificar.
A NVIDIA está liderando o caminho em desenvolvimentos inovadores em Inteligência Artificial, Computação de Alto Desempenho e Visualização. A GPU, nossa invenção, serve como o córtex visual dos computadores modernos e está no centro de nossos produtos e serviços. Temos algumas das pessoas mais visionárias e trabalhadoras do planeta trabalhando conosco. Se você é criativo, trabalhador e automotivado, queremos ouvir de você!
O que você fará: *
- Conduzir fluxos de trabalho de confiabilidade com equipes de engenharia CSP — garantindo entendimento compartilhado da metodologia de medição de MTBI, classificação de falhas e arquitetura de monitoramento de saúde *
- Coletar e sintetizar dados de confiabilidade de frota CSP — identificar padrões de falha que aparecem em múltiplos clientes e promover melhorias de volta para as equipes de firmware, driver e hardware da NVIDIA *
- Definir metodologia consistente de medição de MTBI que funcione em diferentes ambientes de monitoramento CSP e práticas operacionais *
- Realizar análise de padrões de falha em escala de frota usando métodos estatísticos (Pareto, análise de sobrevivência, Weibull) para classificar falhas como sistêmicas, ambientais ou específicas de configuração *
- Conduzir arquitetura de integração de monitoramento de saúde em escala de frota — garantir que os agentes de saúde, telemetria e relatórios da NVIDIA se alinhem com os fluxos de trabalho operacionais do CSP e automação *
- Definir ambiente de teste de confiabilidade de burn-in e critérios de certificação de cluster em colaboração com equipes de qualidade, validando com clientes que os critérios são significativos *
- Colaborar com CSPs para garantir que o trabalho de integração relacionado à confiabilidade (implantação de monitoramento de saúde, pipeline de telemetria, configuração de alertas) esteja completo antes do lançamento em escala *
- Desenvolver modelos preditivos de falha usando telemetria de frota e validar sua eficácia em ambientes de clientes
O que precisamos ver: *
- 15+ anos de experiência em software de sistemas em escala de data center, ou engenharia de confiabilidade com foco em desafios em escala. *
- BS ou MS em Ciência da Computação, Engenharia Elétrica, Estatística ou área relacionada (ou experiência equivalente) *
- Profundo conhecimento em software e firmware de sistemas multi-NUMA, em escala de rack. Métodos estatísticos de análise de falhas: cálculo de MTBF/MTBI, análise de Pareto, classificação de causa raiz *
- Experiência com sistemas de telemetria e observabilidade em nível de frota: bancos de dados de séries temporais, detecção de anomalias, pontuação de saúde, correlação de eventos *
- Compreensão dos modos de falha de hardware em implantações de GPU/acelerador em larga escala — capacidade de classificar e priorizar entre domínios de computação, interconexão, memória, energia e térmicos *
- Experiência na definição ou operação de frameworks de burn-in, testes de estresse ou certificação para sistemas de hardware complexos. Familiaridade com abordagens de manutenção preditiva ou detecção de anomalias aplicadas a dados de saúde de frota *
- Obsessão pelo cliente — paixão genuína por entender os desafios de confiabilidade de frota em escala e traduzi-los em prioridades de engenharia acionáveis *
- Forte comunicação — capacidade de apresentar descobertas estatísticas de confiabilidade para públicos técnicos profundos e liderança executiva. Sucesso comprovado na condução de melhorias multifuncionais entre equipes de hardware, firmware e software sem autoridade direta
Formas de se destacar da multidão: *
- Experiência em confiabilidade de frota em um hiperescalador (saúde de hardware, confiabilidade de frota em CSP/Hiperescalador líder) *
- Familiaridade com a taxonomia de erros de GPU da NVIDIA (erros Xid, contadores de erro NVLink, eventos térmicos, registros CPER) *
- Experiência na construção de modelos de pontuação de saúde ou falha preditiva para infraestrutura de acelerador ou HPC *
- Experiência na definição de padrões de medição de MTBI/MTBF ou programas de certificação para sistemas complexos multi-componentes *
- Compreensão de como os dados de confiabilidade fluem do firmware do dispositivo através de pipelines de telemetria para dashboards em nível de frota e remediação automatizada
Seu salário base será determinado com base em sua localização, experiência e na remuneração de funcionários em posições semelhantes.
A faixa salarial base é 272,000 USD - 431,250 USD.
As candidaturas para esta vaga serão aceitas pelo menos até Outubro 11, 2026.
Este anúncio é para uma vaga existente.
A NVIDIA utiliza ferramentas de IA em seus processos de recrutamento.
A NVIDIA está comprometida em promover um ambiente de trabalho inclusivo e orgulha-se de ser um empregador que oferece igualdade de oportunidades. Como valorizamos muito a diversidade em nossos funcionários atuais e futuros, não discriminamos (incluindo em nossas práticas de contratação e promoção) com base em raça, religião, cor, origem nacional, gênero, expressão de gênero, orientação sexual, idade, estado civil, status de veterano, status de deficiência ou qualquer outra característica protegida por lei.
Você também será elegível para ações e benefícios nvidia.com/en-us/benefits/.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil