英伟达
Senior DGX Cloud Test Development Engineer, SDET
Senior DGX Cloud Test Development Engineer, SDET
发布于 1 天前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
GPU
CI/CD
ELK Stack
Cloud-Native
Chaos Monkey
AI 估算 · 40k–70k
高级测试开发，AI云方向稀缺技能，英伟达平台溢价，市场竞争力强。
职位详情
关于这个职位
这是一个高级测试开发工程师职位，专注于英伟达DGX Cloud平台的软件测试
你将利用AI工具优化测试流程，包括测试用例生成、缺陷检测、回归测试等，并参与云原生系统的功能、性能、可靠性测试
适合有5年以上测试经验、精通Python和Kubernetes、对AI辅助测试感兴趣的技术专家
最低要求
MS or PhD in Computer Science, Engineering, or a related field. 5+ years of QA, test automation, or software testing experience. Hands-on experience using AI tools to improve QA workflows. Strong QA fundamentals, test strategy, test planning, and failure analysis skills. Proficiency with Unix/Linux and shell or Python programming. Experience with Kubernetes, containers, CI/CD pipelines, and cloud-native systems. Experience testing observability tools such as Prometheus, Grafana, ELK Stack, Datadog, or similar platforms. Experience with large-scale failure testing, using tools such as KWOK, Chaos Monkey, or similar frameworks. Strong communication, problem-solving skills, and curiosity for complex technology
工作职责
Use and develop AI-powered tools to make software testing smarter, faster, and more effective! Improve test case generation, defect detection, flaky test analysis, regression testing, and test coverage optimization. Work with product, engineering, and cross-functional teams to review requirements and define test strategies. Build test plans, design and execute test cases, and report quality status, risks, bugs, and results. Perform functional, performance, fault-injection, reliability, and regression testing for cloud-native systems. Automate test cases and contribute to scalable test frameworks. Manage the bug lifecycle, reproduce customer issues, and verify fixes.
优先资格
Used AI to reduce testing time, improve defect detection, or increase test coverage. Built AI-driven solutions that streamlined QA workflows or reduced manual effort. Experience with SaaS or PaaS testing. Experience with NVIDIA GPU hardware or GPU-accelerated software.
AI 洞察
优缺点分析
- 前沿技术场景：结合AI与云原生，积累稀缺技能，市场价值高
- 顶级平台：英伟达在AI和GPU领域具有领导地位，职业背书强
- 创新氛围：鼓励使用AI工具革新测试流程，有实际落地机会
- 技术深度要求高：需同时掌握AI、云原生、故障测试等多领域知识
- 工作强度可能较大：涉及复杂系统测试和快速迭代
- 竞争激烈：高级岗位候选人背景优秀，需突出AI应用成果
- 适合有5年以上测试经验、热爱技术攻关、希望将AI与实际工程结合、追求技术领导力的资深测试工程师
角色解读
- 向AI测试专家或测试架构师方向发展，引领测试智能化转型
- 可转向AI基础设施或云平台开发，利用测试经验深入工程领域
- 在英伟达内部晋升为技术主管或测试经理，管理团队
- 利用AI工具优化测试全流程，包括测试用例生成、缺陷检测和回归测试
- 参与云原生系统的功能、性能、可靠性及故障注入测试
- 与产品、工程团队协作，制定测试策略并管理缺陷生命周期
- 精通Python和Unix/Linux，具备扎实的QA基础和测试策略制定能力
- 熟悉Kubernetes、容器、CI/CD等云原生技术栈
- 掌握可观测性工具（如Prometheus、Grafana）和故障测试框架（如Chaos Monkey）
申请策略
- 了解英伟达DGX Cloud产品线和AI基础设施方向
- 在面试中展现对AI驱动测试的热情和实际动手经验
- 突出使用AI改进QA工作流的具体案例，如自动化测试生成或缺陷预测
- 强调Kubernetes和云原生测试经验，特别是大规模故障测试项目
- 展示Python编程能力和测试框架开发成果
- 补充AI在测试中的应用知识，如机器学习缺陷预测或测试用例优化
- 熟悉可观测性工具（如Datadog）和故障注入工具（如Chaos Monkey）
面试指南
- STAR法则：描述情境、任务、行动、结果，突出量化效果
- 系统性思考：从架构角度分析测试设计，考虑不同故障场景
- 请描述一次你使用AI工具提升测试效率的经历
- 如何设计一个云原生系统的可靠性测试方案？
- 解释Kubernetes中的Pod生命周期，以及如何测试其弹性
- 你如何评估一个测试框架的可扩展性？
- 准备一个完整的AI测试优化案例，包括技术选型和效果数据
- 复习Kubernetes核心概念和云原生测试方法论
匹配度报告
79
综合匹配度
英伟达高级测试开发，AI驱动测试，前沿技术栈，薪资优厚，WLB未明确但可能适中。
适合人群
最适合追求技术前沿、渴望在AI和云原生领域深入发展、看重长期成长的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活60
使命价值85
薪资福利匹配
80较高
薪资未明确但英伟达待遇优厚，福利未提及但推测完善，总体补偿性较高。
薪资信号未披露 (40K-70K/月)
成长发展匹配
90较高
技术前沿，AI与云原生结合，成长空间大，但晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈AI、Python、Kubernetes、Cloud-native、GPU
业务类型ambiguous
工作生活匹配
60中等
工作模式未明确，通常现场办公，上海科技园区，WLB信号缺失。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
85较高
AI行业高速增长，英伟达创新领先，虽非直接社会服务但技术影响力大。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs