Должность: Инженер по надёжности сайтов (Site Reliability Engineer)
Компания: Mistral AI
Местоположение: Нью-Йорк / Гибрид
О MISTRAL
Mistral предоставляет комплексные решения в области ИИ: от передовых моделей до инструментов для разработчиков, приложений и вычислительных мощностей. Мы сотрудничаем с предприятиями, решающими сложнейшие задачи в таких критически важных отраслях, как финансы, производство, оборона, здравоохранение и государственный сектор, совместно создавая индивидуальные ИИ-системы, которые они могут использовать на своих условиях.
Мы — динамичная, совместная команда, увлечённая ИИ и его потенциалом для преобразования общества. Наш разнообразный коллектив процветает в конкурентной среде и стремится к инновациям. Наши команды распределены по Европе, Северной Америке, Азии и Ближнему Востоку. Мы креативны, не склонны к эгоцентризму и обладаем командным духом.
Роль
Мы ищем высококвалифицированных инженеров по надёжности сайтов (SRE), которые будут формировать надёжность, масштабируемость и производительность нашей платформы и клиентских приложений. Вы будете тесно сотрудничать с нашими инженерами-программистами и исследовательскими группами, чтобы наши системы соответствовали и превосходили ожидания наших внутренних и внешних клиентов.
Что вы будете делать
В качестве инженера по надёжности сайтов вы будете балансировать между повседневными операциями на производственных системах и долгосрочными улучшениями программного обеспечения для снижения операционных трудозатрат и повышения надёжности, доступности и производительности этих систем.
Операции
- Проектирование, создание и поддержка масштабируемой, высокодоступной и отказоустойчивой инфраструктуры для поддержки наших веб-сервисов и ML-нагрузок
- Обеспечение высокой доступности нашей платформы, сред для инференса и обучения моделей, а также бесшовного реплицирования рабочих сред на нескольких HPC-кластерах
- Эксплуатация систем и устранение проблем в производственных средах (прерывания, реагирование по вызову, администрирование пользователей, извлечение данных, масштабирование инфраструктуры и т. д.)
- Внедрение и улучшение систем мониторинга, оповещения и реагирования на инциденты для обеспечения оптимальной производительности системы и минимизации простоев
- Внедрение и поддержка рабочих процессов и инструментов (CI/CD, контейнеризация, оркестрация, мониторинг, логирование и системы оповещения) как для наших клиентских API, так и для крупных обучающих запусков
- Периодическое участие в дежурствах по вызову для реагирования на инциденты и проведения анализа первопричин для предотвращения будущих случаев
Разработка
- Стимулирование непрерывного совершенствования автоматизации инфраструктуры, развёртывания и оркестрации с использованием таких инструментов, как Kubernetes, Flux, Terraform
- Сотрудничество с исследователями в области ИИ/МО для разработки и внедрения решений, обеспечивающих безопасные и воспроизводимые эксперименты по обучению моделей
- Создание облачно-независимой платформы, предлагающей уровень абстракции между наукой и инфраструктурой
- Проектирование и разработка новых рабочих процессов и инструментов для повышения надёжности, доступности и производительности наших систем (скрипты автоматизации, рефакторинг, новые функции на основе API, веб-приложения, панели мониторинга и т. д.)
- Сотрудничество с командой безопасности для обеспечения соответствия инфраструктуры лучшим практикам безопасности и требованиям соответствия
- Документирование процессов и процедур для обеспечения единообразия и обмена знаниями в команде
- Участие в проектах с открытым исходным кодом, публикациях, статьях в блогах и конференциях
Что мы ищем
- Степень магистра в области компьютерных наук, инженерии или смежной области
- 7+ лет опыта работы в роли DevOps/SRE
- Обширный опыт работы с облачными вычислениями и высокодоступными распределёнными системами
- Опыт решения проблем надёжности сайтов в критических средах (анализ первопричин инцидентов, устранение неполадок в производственной среде, дежурства по вызову...)
- Опыт работы с KPI надёжности (наблюдаемость, оповещение, SLA)
- Практический опыт работы с инструментами CI/CD, контейнеризации и оркестрации (Docker, Kubernetes...)
- Знание инструментов мониторинга, логирования, оповещения и наблюдаемости (Prometheus, Grafana, ELK Stack, Datadog...)
- Знакомство с инструментами Infrastructure-as-Code, такими как Terraform или CloudFormation
- Свободное владение скриптовыми языками (Python, Go, Bash...) и знание лучших практик разработки программного обеспечения
- Глубокое понимание концепций сетей, безопасности и системного администрирования
- Отличные навыки решения проблем и коммуникации
- Самомотивация и умение хорошо работать в быстро развивающейся стартап-среде
Ваша заявка будет ещё интереснее, если вы также обладаете:
- опытом работы в среде ИИ/МО
- опытом работы с высокопроизводительными вычислительными системами (HPC) и менеджерами рабочих нагрузок (Slurm)
- опытом работы с современными решениями, ориентированными на ИИ (Fluidstack, Coreweave, Vast...)
ЧТО МЫ ПРЕДЛАГАЕМ
Мы предлагаем комплексный пакет льгот, разработанный для поддержки вашего благополучия, роста и баланса между работой и личной жизнью. Льготы зависят от страны и могут включать медицинское страхование, оплачиваемый отпуск по уходу за ребёнком, пенсионные планы, помощь при переезде, программы оздоровления, пособия на питание и транспорт, а также другие льготы, специфичные для данной местности.
Для получения самой актуальной информации о доступных льготах в вашем регионе, пожалуйста, обратитесь к нашей странице льгот.
ПОЛИТИКА КОНФИДЕНЦИАЛЬНОСТИ
Ваша конфиденциальность имеет для нас значение. Вы можете узнать больше о том, как мы обрабатываем ваши личные данные, в нашей Политике конфиденциальности для соискателей.
