Site Reliability Engineer

🕒 Julho 14

🇨🇦 Canadá – Remoto

💵 $125.000 - $250.000 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

⛑ DevOps & Engenheiro de Confiabilidade do Site (SRE)

👻 Score fantasma 26%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Boson

SiteLinkedInTodas as Vagas

51 - 200 funcionários

🤖 Inteligência Artificial

🤝 B2B

Artificial Intelligence • B2B

Acreditamos que o uso da Inteligência Artificial (IA) é necessário para nos levar a um próximo estágio de civilização. Focamos no desenvolvimento de produtos de software de ponta que podem nos impulsionar muito à frente do nosso tempo.

Descrição

• Design, operate, and improve reliable infrastructure for AI training and inference workloads • Own and automate operational workflows across one or more core areas: networking, compute allocation, storage, GPU/server configuration, or AI platforms • Build monitoring, alerting, runbooks, and incident-response practices that make systems easier to operate • Diagnose performance, capacity, and reliability issues across hardware, operating systems, networks, schedulers, and distributed workloads • Partner closely with ML, research, and platform teams to translate workload needs into practical infrastructure improvements • Improve provisioning, configuration management, testing, and deployment automation • Help plan cluster growth, capacity allocation, upgrades, and lifecycle management • Contribute to a thoughtful reliability culture through documentation, post-incident learning, and pragmatic engineering standards

🎯 Requisitos

• 4+ years of experience in site reliability engineering, infrastructure engineering, systems engineering, or a related production-operations role • Strong hands-on expertise in at least one of the following: • Networking, including firewalls, switching, routing, ASN/BGP configuration, or InfiniBand • Cluster and systems allocation with Kubernetes, SLURM, MAAS, or similar platforms • Distributed storage, particularly Ceph • GPU and server administration, including CUDA drivers, firmware, BIOS, and hardware troubleshooting • AI training or model-serving infrastructure • Experience operating production systems with a focus on availability, performance, security, and automation • Strong Linux administration and scripting skills • A systematic approach to troubleshooting across multiple layers of a complex system • Clear written and verbal communication skills, including the ability to work effectively with a distributed team