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

Мы формируем европейскую команду AI Infrastructure & Platform Operations, отвечающую за эксплуатацию масштабных AI‑инфраструктурных сред, работающих на NVIDIA GPU, высокопроизводительных сетях, Kubernetes и технологиях следующего поколения.

• Мониторинг, эксплуатация и поддержка производственных AI‑инфраструктурных платформ.
• Расследование и устранение инцидентов, связанных с инфраструктурой, сетями, оборудованием и платформой.
• Поддержка инфраструктуры NVIDIA GPU и сопутствующих платформенных сервисов.
• Мониторинг и устранение неполадок в средах, основанных на Kubernetes.
• Исследование проблем производительности, доступности и надёжности компонентов инфраструктуры и платформы.
• Сотрудничество с инженерными командами, поставщиками оборудования, персоналом дата‑центров и командами доставки сервисов для решения технических вопросов.
• Участие в реагировании на инциденты, анализе корневых причин и мероприятиях по улучшению эксплуатации.
• Вклад в улучшение мониторинга, наблюдаемости, автоматизации и операционных процессов.
• Поддержка операционной документации, runbook‑ов и статей знаний.

• 3+ лет опыта в эксплуатации инфраструктуры, платформенной эксплуатации, сетевых операциях, Site Reliability Engineering, облачных операциях, эксплуатации дата‑центров или смежных технических ролях.
• Сильные навыки администрирования и устранения неполадок в 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 операционных и процессных управлений инцидентами.
• Отличные навыки коммуникации и сотрудничества.
• Способность работать в сменном операционном режиме.

• 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.
• Распределённые системы крупного масштаба и производственные платформы.

• Работа с одними из самых передовых AI‑инфраструктурных сред в продакшн сегодня.
• Получение опыта работы с технологиями NVIDIA GPU, платформами Kubernetes и высокопроизводительными сетевыми средами.
• Участие в определении того, как будет эксплуатироваться и поддерживаться инфраструктура следующего поколения AI.
• Быть частью команды, формирующей будущее AI‑управляемых операций через k0rdent AI.
• Присоединиться к растущей организации, активно инвестирующей в AI‑инфраструктуру и платформенные сервисы.
• #remote