Senior Site Reliability Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

SRE в команду, которая владеет ядром AI-платформы: инфраструктура и сервисы для деплоя в多个 публичных облаках, поддержка ML/LLM-нагрузок. Отвечает за надёжность, наблюдаемость и сквозной software delivery lifecycle.

Задачи

• Обеспечивать надёжность платформы, включая ML- и LLM-нагрузки: model serving и inference-инфраструктура (GPU-эндпоинты, автоскейлинг, баланс latency и стоимости), SLO, on-call и incident response
• Выстраивать наблюдаемость, включая ML-модели: мониторинг дрифта и производительности, LLM-специфичный трейсинг, evals и guardrails в общих стеках метрик и логов
• Формировать общеcompany техническое направление: роадмап и golden paths, повышающие базовый уровень для всех команд
• Разрабатывать developer tooling и автоматизацию: переиспользуемые GitHub Actions, GitOps-воркфлоу, Terraform-модули
• Паковать общие open-source инструменты (Grafana, Istio, CloudNative-стек, ML-тулинг вроде model registries и feature stores) в переиспользуемые компоненты для деплоя в любом окружении
• Встраивать secure-by-default инфраструктуру: безопасность, комплаенс-аудиты, cost governance и audit trails совместно с lead/backend/staff инженерами

Требования

• 5+ лет в infrastructure engineering, DevOps или SRE с эксплуатацией крупномасштабных high-availability продакшн-систем на Kubernetes
• Опыт продакшн-эксплуатации: живой кластер под реальной нагрузкой, а не лаборатория; уверенное владение Helm и Terraform или CloudFormation, минимум в одном крупном облаке (предпочтительно AWS)
• Хорошее владение Python или Go либо общий скриптинг для автоматизации и тулинга
• AI уже в ежедневном рабочем цикле: agentic-инструменты (Claude Code, Codex, Droid, внутренние skills) — часть процесса разработки
• First-principles мышление: рассуждение от ограничений и failure modes с озвучиванием tradeoff'ов в бизнес-терминах
• Минимум одна инфраструктурная система, построенная end-to-end, с привязанной метрикой результата (deploy time, MTTR, cost, adoption, availability)
• Кросс-функциональность: опыт работы с product, backend/frontend командами для протаскивания общих инициатив
• Глобальная коллаборация: работа с командами в разных часовых поясах и культурах, сильные коммуникативные навыки
• Решение проблем: умение декомпозировать сложные задачи в простые и выполнимые решения
• Ownership & Drive: готовность выходить за рамки, управлять своими deliverables и помогать коллегам
• Готовность поддерживать процессы 24x7 operational support

Условия

• Гибридный формат работы в Берлине
• Миссия-ориентированная глобальная команда и культура
• Возможности профессионального роста
• Работа над AI-платформой с ML и LLM нагрузками

Навыки

• Kubernetes
• Helm
• Terraform
• CloudFormation
• AWS
• Python
• Go
• GitHub Actions
• GitOps
• Grafana
• Istio
• CloudNative
• GPU scheduling
• KServe
• RayServe
• Triton
• vLLM
• Kubeflow
• MLflow
• Feast
• Weights & Biases
• LLMOps
• MLOps
• SLO
• Observability