SRE инженер (AI)

Описание

👩‍💻Вакансия SRE Инженер

🟢Удаленно🟢Полная занятость
🟢ЗП обсуждается на собеседовании
🟢В компанию Техвилл

🟦Задачи
– Поддержка сервисов и команд разработки со стороны инфраструктуры;
– Обеспечение надежности и масштабируемости систем;
– Выявление и устранение узких мест в производительности;
– Настройка систем мониторинга, логирования и трейсинга;
– Предотвращение потенциальных сбоев;
– Оптимизация CI/CD пайплайнов, внедрение инфраструктуры как код (IaC) и автоматизация рутинных задач;
– Продвижение практик DevOps в сторону разработки: внедрение best practices DevOps, таких как мониторинг SLA, SLO, SLI, анализ инцидентов (postmortem) и управление изменениями;
– Участие в создании и развитии инфраструктурных платформ;
– Обеспечение безопасности, надежности, отказоустойчивости и быстрого восстановления после сбоев платформы.

🟦Требования
– Практический опыт в администрировании и поддержки информационных систем семейства Linux (Debian, Ubuntu, Rocky);
– Владение bash или python как инструментарием для автоматизации рутинной деятельности;
– Практический опыт применения систем оркестрации контейнеров (Kubernetes, Docker compose);
– Практический опыт работы с контейнерами (Docker), знание основ построения Dockerfile и лучших практик в этой области;
– Владение системами управления конфигурациями (Ansible, Terraform, Pulumi) и практический опыт применения таких систем в процессах построения IaC (Infrastructure as Code;
– Применение инструментов GitLab CI и Jenkins в построении процессов сборки и доставки;
– Практический опыт применения и администрирования систем мониторинга на базе Prometheus, Zabbix, Grafana Stack, Alertmanager, VictoriaMetrics;
– Практический опыт взаимодействия с системами потоковой передачи событий (Kafka, RabbitMQ);
– Знание методологий Agile, опыт работы в тикетных системах (Yandex Tracker и др.) и системах хранения документации (Evawiki и другие Wiki);
– Практический опыт эксплуатации веб-серверов и балансировщиков нагрузки (Nginx, HAProxy, Traefik, APISIX);
– Практический опыт администрирования систем управления реляционными базами данных (PostgreSQL, Greenplum, MySQL), кластеризации на базе Patroni, а также колоночной СУБД ClickHouse;
– Практический опыт применения NoSQL и Key-Value систем (Elasticsearch, OpenSearch, etcd, Redis, Memcached);
– Практический опыт применения систем централизованного сбора и хранения логов на базе стеков: Logstash, Vector, Graylog, Loki;
– Практический опыт применения систем объектного хранения на базе S3 (MinIO), а также инструментов доступа к ним;
– Навыки работы с облачными системами (Yandex Cloud, ) и системами управления ими;
– Практический опыт оркестрации пайплайнов обработки данных на базе Apache Airflow;
– Опыт развертывания и сопровождения JupyterHub
– Владение инструментарием распределённой обработки данных (Apache Spark, Spark Streaming);
– Опыт работы с Iceberg REST Catalog как каталогом табличных данных;
– Практический опыт применения MLflow для отслеживания экспериментов, регистрации моделей и управления их жизненным циклом;
– Знакомство с векторными базами данных (Qdrant) в составе ML-платформы;
– Знакомство с платформой автоматизации процессов на базе n8n;
– Понимание/опыт развёртывания и эксплуатации LLM‑моделей на GPU (Triton Inference Server, vLLM, TensorRT‑LLM или аналоги);
– Знание GPU‑мониторинга: DCGM, Prometheus, метрики по использованию памяти, ядер, температуры, NVLink;
– Опыт профилирования инференса: оптимизация latency (TTFT, TPS), throughput, работа с KV‑cache;
– Управление ресурсами GPU в K8s: HAMi, MIG, time‑slicing, квотирование;
– Понимание работы с NVDEC/NVENC;
– Практический опыт эксплуатации LLM-агентов: фреймворки, оркестрация многошаговых пайплайнов (LangGraph, LangChain или аналоги), жизненный цикл агентного запроса: planning → tool calling → validation;
– Опыт с Model Context Protocol: MCP-серверы и шлюзы, регистрация/проксирование инструментов, маршрутизация tool-calling между сервисами.

🌐