Senior site reliability engineer - Token Factory

Stack

Feladatok

• ▹Telemetria-csővezetékek tervezése és finomítása: metrikák, logok, trace-ek átalakítása áttekinthető, cselekvésre alkalmas információvá
• ▹Kubernetes autoscalerek hangolása a GPU-kihasználtság javítására
• ▹Terraform modulok építése, amelyek beépített ellenálló képességet adnak minden új clusternek
• ▹Kérés-routolás és retry-logika megerősítése, hogy az átmeneti hibák ne érintsék a felhasználókat
• ▹Incidensek elhárítása automatizálás és runbookok segítségével, majd post-mortem kultúra vezetése

Elvárások

• ▹Mély jártasság Kubernetesben, Prometheusban, Grafanában, Terraformban és az infrastructure-as-code gyakorlatában
• ▹Magabiztos szkriptelés Pythonban vagy Bash-ben
• ▹Riasztás-tervezési és SLO-ismeretek nagy áteresztőképességű API-khoz
• ▹Termelési tapasztalat elosztott háttérrendszerek hibáinak kezelésében
• ▹Tapasztalat GPU-igényes workloadokkal (pl. vLLM, Triton, Ray vagy más gyorsító-stack)
• ▹MLOps vagy model-hosting platformokon szerzett háttértudás előny

Soft skillek

Amit kínálunk

• ▹Versenyképes kompenzáció
• ▹Karrier-növekedési és tanulási lehetőségek
• ▹Rugalmasság és önállóság
• ▹Együttműködő, innovatív kultúra
• ▹Részvétel nagy hatású AI-projektekben
• ▹Nemzetközi környezet, tehetséges csapatok

A munkáltatóról

A Nebius a globális AI-gazdaság felhő-infrastruktúráját építi: full-stack AI felhőplatformot kínál az adatoktól és modelltanítástól a production deploymentig. A Nasdaqon jegyzett (NBIS), amszterdami székhelyű cégnek Európában, az Egyesült Királyságban, Észak-Amerikában és Izraelben is vannak K+F központjai, csapata 1500+ fős.