Site Reliability Engineer

🕒 il y a 1 mois

🇨🇦 Canada – Télétravail

💵 $125 000 - $250 000 / an

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

⛑ Ingénieur DevOps & SRE

👻 Score fantôme 6%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Boson

Site WebLinkedInTous les Emplois

51 - 200 employés

🤖 Intelligence artificielle

🤝 B2B

Artificial Intelligence • B2B

Nous croyons que l'utilisation de l'intelligence artificielle (IA) est nécessaire pour nous conduire à un nouveau niveau de civilisation. Nous nous concentrons sur le développement de produits logiciels de pointe qui peuvent nous propulser vers l'avant.

Description

• 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

🎯 Exigences

• 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