AI Fleet Platform Software Engineer

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

Senior-инженер в Cerebras для разработки платформы мониторинга и управления парком AI-кластеров в дата-центрах: бэкенд-сервисы, операционные инструменты и пользовательские приложения для контроля здоровья флота и доступности вычислительных мощностей.

Задачи

• Разрабатывать и эксплуатировать ПО для управления большими парками AI-кластеров
• Давать операторам наглядные и пригодные к действию представления о здоровье кластеров, ёмкости, производительности и текущих проблемах
• Разрабатывать сервисы и интеграции, объединяющие данные и рабочие процессы из разных инфраструктурных систем
• Автоматизировать рутинные задачи и улучшать инструменты для расследования инцидентов и восстановления сервиса
• Проектировать системы, сохраняющие надёжность при росте парка и при отказах компонентов и площадок
• Тесно работать с пользователями платформы, понимать их потребности и принимать практичные продуктовые и инженерные решения
• Вести проекты от начального дизайна до продакшена, измерять их эффект и использовать операционную обратную связь для улучшений

Требования

• 12+ лет опыта разработки и эксплуатации продакшн-ПО для распределённых систем или крупномасштабной инфраструктуры
• Сильные навыки Go или Python и опыт проектирования сервисов и API
• Экспертиза в control plane, системах управления парком или операционных платформах
• Опыт с Linux, контейнерами, Kubernetes и обработкой отказов в распределённых системах
• Опыт проектирования систем с асинхронной работой, ретраями и частичными отказами
• Опыт с event streaming, автоматизацией рабочих процессов или time-series телеметрией
• Сильное чувство надёжности, безопасности и наблюдаемости
• Умение вести неоднозначные проекты и эффективно работать между инженерными и операционными командами

Условия

• Работа над прорывной AI-платформой вне ограничений GPU
• Публикация и open source передовых AI-исследований
• Работа на одном из самых быстрых AI-суперкомпьютеров в мире
• Стабильность работы при жизнеспособности стартапа
• Простая, не корпоративная культура, уважающая индивидуальные убеждения
• Локации: SF Bay Area, Торонто (Канада)

Навыки

• Go
• Python
• Linux
• Kubernetes
• containers
• distributed systems
• API design
• control planes
• fleet management
• event streaming
• workflow automation
• time-series telemetry
• observability
• security
• reliability