AI Infrastructure & Platform Operations Engineer (remote in the US)

Наша организация создаёт подразделение AI Infrastructure & Platform Operations в регионе Americas, посвящённое управлению обширными AI‑экосистемами с использованием ускорения NVIDIA GPU, высокоскоростных соединений, Kubernetes и передовых платформенных фреймворков. Эта команда поддерживает надёжность, эффективность и архитектурную целостность критически важных AI‑сервисных платформ по всему глобальному покрытию дата‑центров. Находясь на стыке основной инфраструктуры и сетевой инженерии, вы будете поддерживать высокопроизводительные среды, необходимые для современных наборов AI‑приложений. Эта позиция даёт возможность работать с передовым AI‑оборудованием и развивать автоматизированные операционные возможности через платформу k0rdent AI.

• Мониторить, эксплуатировать и поддерживать производственные AI‑инфраструктурные платформы.
• Исследовать и устранять инциденты, связанные с инфраструктурой, сетями, оборудованием и платформой.
• Поддерживать инфраструктуру NVIDIA GPU и связанные с ней платформенные сервисы.
• Мониторить и устранять неполадки в средах на основе Kubernetes.
• Исследовать проблемы производительности, доступности и надёжности компонентов инфраструктуры и платформы.
• Сотрудничать с инженерными командами, поставщиками оборудования, персоналом Data Center и командами доставки сервисов для решения технических вопросов.
• Участвовать в реагировании на инциденты, анализе корневых причин и мероприятиях по улучшению операций.
• Вносить вклад в улучшения мониторинга, наблюдаемости, автоматизации и операционных процессов.
• Поддерживать операционную документацию, runbooks и статьи знаний.

• 3+ лет опыта в операциях инфраструктуры, платформенных операциях, сетевых операциях, Site Reliability Engineering, облачных операциях, операциях дата‑центров или смежных технических ролях.
• Сильные навыки администрирования и устранения неполадок Linux.
• Хорошее понимание сетевых концепций и опыт диагностики проблем, связанных с инфраструктурой.
• Практические знания Kubernetes в производственных средах.
• Опыт поддержки производственной инфраструктуры и сервисов.
• Сильные аналитические способности и навыки решения проблем.
• Опыт работы в рамках структурированных процессов эксплуатации и управления инцидентами.
• Отличные навыки коммуникации и сотрудничества.
• Способность работать в операционной среде с сменным графиком.

• Инфраструктура NVIDIA GPU и ускоренные вычислительные платформы.
• Сетевые решения InfiniBand и NVIDIA UFM.
• Операции платформы Kubernetes.
• AI‑инфраструктура или среды HPC.
• Site Reliability Engineering (SRE) или Platform Engineering.
• Платформы наблюдаемости, такие как Grafana, Prometheus, ELK или OpenTelemetry.
• Технологии автоматизации инфраструктуры и практики Infrastructure-as-Code.
• Крупномасштабные распределённые системы и производственные платформы.

• Работа с признанным лидером Silicon Valley в индустрии облачной инфраструктуры;
• Работа с чрезвычайно увлечёнными, талантливыми и дружелюбными коллегами, помогающими клиентам из Fortune 500 и Global 2000 внедрять технологии облака следующего поколения;
• Участие в передовых проектах с открытым исходным кодом;
• Возможность процветать в энергичной среде молодой компании, где ценятся открытость, сотрудничество, готовность к риску и постоянный рост;
• Профессиональное развитие и обучение;
• Посещение конференций и рабочих групп;
• Корпоративные мероприятия, happy hours, хакатоны и технические доклады;
• Конкурентный компенсационный пакет с сильным планом льгот.