Senior 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.

В роли Senior AI Infrastructure & Platform Operations Engineer вы будете техническим лидером в организации эксплуатации, предоставляя глубокую экспертизу в области инфраструктуры, сетей, платформенных операций и надёжности сервисов. Вы будете отвечать за достижение операционного совершенства в сложных продакшн‑средах, а также выступать ключевой точкой эскалации при критических инцидентах и сложных технических проблемах.

Эта роль сочетает практические технические операции с техническим лидерством, помогая формировать операционные стандарты, практики надёжности, инициативы по автоматизации и будущее развитие AI‑управляемых операционных сервисов через платформы, такие как k0rdent AI.

• Руководить расследованием и разрешением сложных инцидентов, связанных с инфраструктурой, сетями и платформой.
• Выступать в качестве старшей точки эскалации для операционных команд во время критических событий, влияющих на сервис.
• Поддерживать масштабную инфраструктуру NVIDIA GPU и среды высокопроизводительных сетей.
• Диагностировать сложные проблемы Linux, Kubernetes, сетей, хранилищ и аппаратного обеспечения.
• Анализировать производительность, ёмкость, стабильность и тенденции надёжности платформы для проактивного выявления рисков.
• Руководить действиями по анализу корневых причин и внедрять долгосрочные корректирующие меры.
• Сотрудничать с инженерными командами, поставщиками аппаратного обеспечения и персоналом дата‑центров для решения сложных технических задач.
• Участвовать в управлении крупными инцидентами и восстановлении сервисов.
• Обеспечивать техническое лидерство в эксплуатации платформы Kubernetes и сопутствующих инфраструктурных сервисов.
• Продвигать улучшения надёжности платформы, наблюдаемости, мониторинга и операционных процессов.
• Выявлять возможности автоматизации повторяющихся операционных действий и повышать эффективность операций.
• Вносить вклад в обзоры готовности к эксплуатации, изменения инфраструктуры, обновления и ввод новых сервисов.
• Поддерживать внедрение и эксплуатацию AI‑управляемых инфраструктурных сервисов и операционных возможностей через k0rdent AI.
• Оценивать новые технологии и операционные практики для улучшения доставки сервисов и устойчивости платформы.
• Наставлять и поддерживать инженеров AI Infrastructure & Platform Operations.
• Делиться техническими знаниями через документацию, обучающие сессии и операционные обзоры.
• Разрабатывать и поддерживать операционные стандарты, runbook‑и, руководства по устранению неполадок и лучшие практики.
• Помогать определять операционные процессы, пути эскалации и стандарты надёжности сервисов.
• Выступать в роли надёжного технического советника при планировании операций и инициативах по улучшению сервисов.

• 7+ лет опыта в эксплуатации инфраструктуры, платформенных операциях, Site Reliability Engineering, сетевых операциях, облачных операциях, эксплуатации дата‑центров или смежных технических ролях.
• Экспертный уровень администрирования и устранения неполадок Linux.
• Глубокие знания сетей, включая опыт диагностики сложных проблем производительности, соединения и надёжности.
• Значительный опыт эксплуатации Kubernetes в продакшн‑средах.
• Опыт поддержки масштабной продакшн‑инфраструктуры и распределённых систем.
• Доказанный опыт руководства техническими расследованиями и управления сложными инцидентами.
• Опыт проведения анализа корневых причин и внедрения долгосрочных операционных улучшений.
• Глубокое понимание практик наблюдаемости, мониторинга и надёжности сервисов.
• Отличные навыки диагностики и аналитики в нескольких областях инфраструктуры.
• Сильные навыки коммуникации, сотрудничества и управления заинтересованными сторонами.

• Инфраструктура NVIDIA GPU и ускоренные вычислительные платформы.
• Сети InfiniBand и NVIDIA UFM.
• AI‑инфраструктурные среды.
• HPC‑среды.
• Platform Engineering или Site Reliability Engineering (SRE).
• Масштабные операции Kubernetes.
• Технологии автоматизации инфраструктуры и практики Infrastructure-as-Code.
• Платформы наблюдаемости, такие как Grafana, Prometheus, ELK или OpenTelemetry.
• Анализ производительности и оптимизация распределённых инфраструктурных платформ.
• Техническое лидерство, наставничество или обязанности руководителя команды.

• Эксплуатация одних из самых передовых AI‑инфраструктурных сред в продакшн‑использовании сегодня.
• Работа с новейшими технологиями NVIDIA GPU, платформами Kubernetes и средами высокопроизводительных сетей.
• Помощь в определении операционных стандартов и практик надёжности для сервисов AI‑инфраструктуры следующего поколения.
• Влияние на внедрение AI‑управляемых операционных возможностей через k0rdent AI.
• Совместная работа с высококвалифицированными инженерами, решающими сложные инфраструктурные и платформенные задачи в масштабе.
• Присоединение к растущей организации, активно инвестирующей в AI‑инфраструктуру, платформенные сервисы и операционные инновации.

#Remote