Site Reliability Engineer – AI & ML Infrastructure, Kubernetes, AWS, Terraform

🕒 vor 3 Monaten

🇺🇸 Vereinigte Staaten – Remote

💵 $150.000 - $220.000 / Jahr

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

⛑ DevOps- und Site Reliability Engineer (SRE)

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Deepgram

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

Gegründet 2015

🤖 Künstliche Intelligenz

☁️ SaaS

🔌 API

💰 €47.000.000 Series B im 2022-11

Artificial Intelligence • SaaS • API

Deepgram ist ein führendes Voice-AI-Unternehmen, das leistungsstarke APIs für Speech-to-Text, Text-to-Speech und Language-Understanding-Anwendungen bereitstellt. Die Plattform ermöglicht es Entwicklerinnen und Entwicklern, anspruchsvolle Voice-AI-Lösungen für Use Cases wie Contact Center, medizinische Transkription, Conversational AI und mehr zu entwickeln. Bekannt für unübertroffene Genauigkeit, Geschwindigkeit und Kosteneffizienz genießt die Technologie von Deepgram das Vertrauen führender Unternehmen und Start-ups weltweit. Mit Echtzeit- und hochgenauer Transkription hilft Deepgram Unternehmen, Erkenntnisse aus Sprachdaten zu gewinnen – ein unverzichtbares Werkzeug, um Sprachinteraktionen zu transformieren.

Beschreibung

• Architect and maintain our core computing platform using Kubernetes on AWS and on-premise, providing a stable, scalable environment for all applications and services. • Develop and manage our entire infrastructure using Infrastructure-as-Code (IaC) principles with Terraform, ensuring our environments are reproducible, versioned, and automated. • Design, build, and optimize our AI/ML job scheduling and orchestration systems, integrating Slurm with our Kubernetes clusters to efficiently manage GPU resources. • Provision, manage, and maintain our on-premise bare metal server infrastructure for high-performance GPU computing. • Implement and manage the platform's networking (CNI, service mesh) and storage (CSI, S3) solutions to support high-throughput, low-latency workloads across hybrid environments. • Develop a comprehensive observability stack (monitoring, logging, tracing) to ensure platform health, and create automation for operational tasks, incident response, and performance tuning. • Collaborate with AI researchers and ML engineers to understand their infrastructure needs and build the tools and workflows that accelerate their development cycle. • Automate the life cycle of single-tenant, managed deployments

🎯 Anforderungen

• 5+ years of experience in Platform Engineering, DevOps, or Site Reliability Engineering (SRE) • Proven, hands-on experience building and managing production infrastructure with Terraform • Expert-level knowledge of Kubernetes architecture and operations in a large-scale environment • Experience with high-performance compute (HPC) job schedulers, specifically Slurm, for managing GPU-intensive AI workloads • Experience managing bare metal infrastructure, including server provisioning (e.g., PXE boot, MAAS), configuration, and lifecycle management • Strong scripting and automation skills (e.g., Python, Go, Bash)

🏖️ Vorteile

• Medical, dental, vision benefits • Annual wellness stipend • Mental health support • Life, STD, LTD Income Insurance Plans • Unlimited PTO • Generous paid parental leave • Flexible schedule • 12 Paid US company holidays • Quarterly personal productivity stipend • One-time stipend for home office upgrades • 401(k) plan with company match • Tax Savings Programs • Learning / Education stipend • Participation in talks and conferences • Employee Resource Groups • AI enablement workshops / sessions