Site Reliability Engineer

🕒 Julho 28

🏄 California – Remoto

🏄 California – Remote

💵 $150.000 - $200.000 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

⛑ DevOps & Engenheiro de Confiabilidade do Site (SRE)

👻 Score fantasma 28%

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

Runpod

SiteLinkedInTodas as Vagas

51 - 200 funcionários

Fundada em 2022

🤖 Inteligência Artificial

☁️ SaaS

🤝 B2B

💰 $20.000.000 Seed em 2024-06

Artificial Intelligence • SaaS • B2B

Runpod é uma plataforma de nuvem que fornece computação sob demanda com GPU e infraestrutura gerenciada voltada para desenvolvimento e implantação de IA. A plataforma oferece "Pods" de GPU em 31 regiões globais, endpoints de GPU serverless para inferência de baixa latência, clusters de GPU multinó para treinamento distribuído e um hub para implantar modelos e templates de código aberto. A Runpod destaca-se pelo rápido início (menos de 200ms em iniciações a frio), escalonamento automático de zero a milhares de trabalhadores, suporte para mais de 30 GPU SKUs e ferramentas para todo o ciclo de vida da IA, desde experimentos até a produção, direcionada a desenvolvedores e equipes de IA empresariais.

Descrição

• Define and implement SLIs/SLOs for critical services • Lead incident response and coordinate cross-team mitigation efforts • Conduct blameless postmortems and ensure corrective actions are completed • Perform production readiness reviews for new services and features • Identify systemic risks and drive preventative improvements • Design and improve monitoring, alerting, and dashboards (Prometheus, Grafana, etc.) • Build internal tooling for reliability tracking and reporting • Automate recurring operational workflows • Strengthen CI/CD reliability and release processes • Partner with engineering teams to improve system resilience • Provide guidance on fault tolerance, scalability, and failure handling. • Contribute to architectural discussions with a reliability-first mindset.

🎯 Requisitos

• 5+ years of experience in SRE, Reliability Engineering, or Production Engineering • Strong Linux systems and Networking expertise • Experience managing containerized production systems • Strong understanding of distributed systems and failure modes • Experience defining and managing SLIs/SLOs • Proven incident response and postmortem leadership experience • Strong scripting or programming skills • Experience with monitoring and alerting systems • Excellent written communication skills • Successful completion of a background check. • Preferred: Experience with GPU infrastructure or AI/ML platforms • Experience improving reliability in high-growth or large scale environments • Familiarity with GPU observability tooling • Experience with Infrastructure as Code • Experience working in startup environments • Experience building internal reliability platforms or frameworks.

🏖️ Benefícios

• Meaningful equity in a fast-growing company- everyone on the team receives stock options — your impact drives our growth, and you share in the upside. • Generous medical, dental & vision plans • Flexible PTO- take the time you need to recharge • Most roles are remote work first with an inclusive, collaborative teams utilizing slack as the main form of internal communication • Join a passionate team on the cutting edge of AI infrastructure — where culture, learning, and ownership are at the heart of how we scale.