Вакансии

Location: Москва Workplace: Гибридный О компании Стажировка в МТС — это твой шанс получить реальный опыт в сильной компании. Ты прокачаешь свои навыки в настоящих проектах и будешь учиться у профессионалов, а по итогам стажировки мы сможем предложить тебе оффер. Сейчас мы приглашаем любознательных молодых специалистов в команду, которая отвечает за архитектуру, развитие и эксплуатацию сетевого оборудования внутреннего облака компании МТС, чтобы расширить свои знания и умения. Обязанности изучать архитектуру платформы и процессы тестирования в команде; выполнять ручное тестирование нового функционала; работать с логами сервисов для локализации дефектов; взаимодействовать с командой для воспроизведения и документирования ошибок. Требования понимаешь основы тестирования ПО: виды, уровни, тест-дизайн; знаешь Python или Java; работал в Linux и с Git; внимателен к деталям и умеешь структурно описывать проблему; умеешь работать с логами и системами мониторинга (Kibana, Grafana, Prometheus) на уровне поиска и анализа ошибок; умеешь тестировать REST API с помощью Postman, Curl или аналогов. БУДЕТ ПЛЮСОМ применение ML-агентов в работе опыт с CI/CD понимание Kubernetes, OpenStack, контейнеров Условия развитие в командах профессионалов и опытный наставник, готовый делиться опытом; корпоративная сотовая связь; работать в гибридном формате (полный день; 40 часов в неделю); оплачиваемая стажировка; единая подписка МТС Premium; скидки от Best Benefits; непрерывное развитие — доступ к курсам и вебинарам корпоративного университета, а также к библиотеке с полезными книгами и периодикой.

Location: Москва Workplace: Удаленная работа О компании Мы ищем инженера техподдержки для работы над задачами команды адаптации продуктов ИТ-кластера «Развитие инфраструктуры»: обеспечение бесперебойной работы инфраструктуры, ПО и сервисов. Обязанности Участвовать в локализации и решении инцидентов в системе инцидент-менеджмента; Обеспечивать надёжность функционирования сопровождаемых систем; Разрабатывать и внедрять новые метрики мониторинга прикладного ПО, ОС, endpoints; Работать с логами, диагностировать и локализовывать технические проблемы; Принимать участие в разработке новых систем, участвовать в доработке/изменении; существующих; Консультация пользователей по техническим вопросам. Требования Увереные знания Linux, опыт в администрировании; Знание и опыт работы с контейнеризацией и инструментами (Kubernetes, Docker); Понимание принципов и опыт работы с системами виртуализации; Опыт работы с системами мониторинга и логирования (Grafana, Prometheus, ELK, VictoriaMetrics); Знание и опыт работы с базами данных (SQL/NoSQL); Опыт работы с брокерами сообщений (Kafka, RabbitMQ); Опыт работы с REST API, HTTP/HTTPS, JSON; Базовые навыки программирования. Условия Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах; Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше; Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации; Участие во внешних IT-мероприятиях. Наши эксперты выступают на ведущих профильных конференциях, таких как HighLoad++, DevOps Conf, Joker, AHA!, Матемаркетинг и другие. А еще мы организуем собственную масштабную конференцию True Tech Day и регулярно проводим митапы для разработчиков и инженеров; Полезные курсы и вебинары в корпоративном университете и электронную библиотеку; ДМС с первого месяца работы, включая стоматологию; Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях; Отпуск 28 календарных дней; Прием врачей общей практики и массаж в офисе; Мобильная связь за счет компании и льготные тарифы для близких; Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва Workplace: В офисе О компании Секретарь - умный робот, умеющий вести конструктивный, вариативный диалог. Обязанности разрабатывать новые микросервисы, в первую очередь для пост-обработки данных о звонках; поддерживать, расширять и масштабировать существующие сервисы; интегрировать сервисы: связывать внутренние и внешние API, базы данных и очереди сообщений в автоматизированные цепочки обработки; оптимизировать производительность: профилировать код, анализировать метрики, снижать задержки и нагрузку; настраивать мониторинг и формулировать требования к масштабированию сервисов в Docker/Kubernetes; вести техническую документацию: схемы архитектуры и регламенты восстановления после сбоев (runbooks). Требования опыт управления памятью: Garbage Collector; опыт с многопоточностью и синхронизацией; опыт с делегатами и событиями (Action, Func, Predicate), рефлексия; опыт с ASP.NET Core Web API, движок Razor; опыт Entity Framework Core; знание принципов SOLID, DRY, KISS, YAGNI; знание паттернов проектирования; знание слоистой архитектуры; опыт работы с Kafka, RabbitMQ; опыт с Redis, MemoryCache, стратегии инвалидации; опыт проектирования распределённых систем: микросервисные паттерны (Saga, API Gateway); опыт с синхронным и асинхронным взаимодействием; знание паттернов отказоустойчивости; опыт с dotTrace, dotMemory, BenchmarkDotNet; опыт с Docker; опыт с CI/CD: GitHub Actions, GitLab CI или Azure DevOps; опыт работы с Prometheus, Grafana, Jaeger, OpenTelemetry; опыт настройки аллертов и кастомных метрик; опыт xUnit, NUnit или MSTest; понимание TDD/BDD; знание Go. Условия Офисный формат работы (м. Технопарк); Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах; Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше; Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации; Участие во внешних IT конференциях. Наши эксперты выступают на ведущих профильных конференциях, таких как HighLoad++, DevOps Conf, Joker, AHA!, Матемаркетинг и другие. А еще мы организуем собственную масштабную конференцию True Tech Day и регулярно проводим митапы для разработчиков и инженеров. Полезные курсы и вебинары в корпоративном университете и электронную библиотеку; ДМС с первого месяца работы, включая стоматологию; Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях; Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день); Прием врачей общей практики и массаж в офисе; Мобильная связь за счет компании и льготные тарифы для близких; Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва Workplace: В офисе О компании МТС Банк развивает цифровые финансовые сервисы и делает их доступными для всех. Мы работаем с современным технологическим стеком, высоконагруженными системами и облачной инфраструктурой. Такой подход позволяет создавать надёжные решения для бизнеса и клиентов. Сейчас мы в поиске Java-разработчика в Стрим Развитие транзакционных продуктов, в команду РКО: Ведение и СБП. Команда занимается процессами платежей и переводов для юридических лиц в ДБО, тарификацией текущей линейки тарифов, а также развитием и поддержкой Системы быстрых платежей (СБП) для B2B и B2C в ДБО. Обязанности разрабатывать и сопровождать интеграционные сервисы в составе высоконагруженной системы проектировать и оптимизировать бизнес-логику на Java с использованием Spring Boot реализовывать взаимодействие между системами с использованием REST API, Apache Kafka, gRPC, GraphQL, Redis работать с реляционными базами данных: разрабатывать и оптимизировать SQL-запросы, создавать миграции и взаимодействие с бд в микросервисах принимать участие в подготовке, сопровождению и проверке релизов взаимодействовать с командой разработки, тестирования, релизной и сопровождения проводить тестирование и покрытие написанного кода проводить код-ревью и участвовать в поддержании качества кодовой базы Требования знание и опыт разработки на Java версии 11, 17, Spring Boot 2/3 знание и опыт работы с микросервисной архитектурой знание и опыт работы с БД (postgresql, oracle) напрямую и через ORM-системы знание и опыт применения форматов сообщений XML, JSON, сераилизации, десериализации и обработки сообщений знание REST API и интеграции с системами по HTTP знание и опыт работы с Apache Kafka: разработка продюсеров, консьюмеров и понимание принципов обработки сообщений опыт настройки логирования и сбора метрик для мониторинга состояния приложения, поиска, интеграции с Prometheus, Graphana, Zabbix опыт работы со следующим стеком технологий: Java (Spring), hibernate, jdbc, r2dbc, grpc, graphQL, Kubernetes, Docker, Consul, Vault, Prometheus, GitLab, Spring Boot, Gradle, PostgreSQL

Location: Москва Workplace: В офисе О компании МТС Банк развивает цифровые финансовые сервисы и делает их доступными для всех. Мы работаем с современным технологическим стеком, высоконагруженными системами и облачной инфраструктурой. Такой подход позволяет создавать надёжные решения для бизнеса и клиентов. Обязанности разрабатывать и сопровождать интеграционные сервисы в составе высоконагруженной системы проектировать и оптимизировать бизнес-логику на Java с использованием Spring Boot реализовывать взаимодействие между системами с использованием REST API, Apache Kafka, gRPC, GraphQL, Redis работать с реляционными базами данных: разрабатывать и оптимизировать SQL-запросы, создавать миграции и взаимодействие с бд в микросервисах принимать участие в подготовке, сопровождению и проверке релизов взаимодействовать с командой разработки, тестирования, релизной и сопровождения проводить тестирование и покрытие написанного кода проводить код-ревью и участвовать в поддержании качества кодовой базы Требования знание и опыт разработки на Java версии 11, 17, Spring Boot 2/3 знание и опыт работы с микросервисной архитектурой знание и опыт работы с БД (postgresql, oracle) напрямую и через ORM-системы знание и опыт применения форматов сообщений XML, JSON, сераилизации, десериализации и обработки сообщений знание REST API и интеграции с системами по HTTP знание и опыт работы с Apache Kafka: разработка продюсеров, консьюмеров и понимание принципов обработки сообщений опыт настройки логирования и сбора метрик для мониторинга состояния приложения, поиска, интеграции с Prometheus, Graphana, Zabbix. опыт работы со следующим стеком технологий: Java (Spring), hibernate, jdbc, r2dbc, grpc, graphQL, Kubernetes, Docker, Consul, Vault, Prometheus, GitLab, Spring Boot, Gradle, PostgreSQL Условия У нас ваши идеи не потеряются: предлагайте и обсуждайте, ищите новые решения и экспериментируйте. Мы всегда поддержим вас, а ещё предложим: достойную заработную плату ДМС со стоматологией с первого месяца работы офисный формат работы доступ к корпоративной библиотеке регулярные образовательные курсы и тренинги от корпоративного университета внешнее обучение цифровое пространство (безбумажный прием на работу, коворкинг, электронный документооборот) специальный тариф на мобильную связь скидки и бонусы на продукты и услуги от МТС, МТС Банка и партнёров программу Best Benefits отсутствие дресс-кода кафе «Мечта» с полезными завтраками и вкусными обедами корпоративный спорт: йога, беговой клуб, вело-сообщество и другие тренажерный зал в офисе детские дни и подарки программу материальной помощи в различных жизненных ситуациях социальные проекты (раздельный сбор мусора, фандоматы, благотворительные ярмарки и волонтерские акции)

Location: Москва Центр ИИ Блока «Строительство» разрабатывает автономных агентов для автоматизации ключевых бизнес-процессов — от обработки тендерной документации до контроля графиков производства работ и управления поставками. В данный момент находимся в поиске разработчика ИИ-агентов под расширение команды Обязанности * Разработка высокодоступных сервисов для управления диалогами, планирования (planning), вызова инструментов (function calling) и multi-agent взаимодействия; * Написание чистого, тестируемого и поддерживаемого кода на Python; ревью кода коллег и поддержание инженерных стандартов; * Интеграция с LLM и внешними системами: подключение моделей (OpenAI, Anthropic, локальные), корпоративных API, CRM/ERP, баз данных и документооборота с обеспечением безопасности и обработки ошибок; * RAG и память агентов: построение retrieval-пайплайнов, управление краткосрочной и долгосрочной памятью, работа с векторными БД и кэшем; * Проектирование REST/gRPC-эндпоинтов, документирование (OpenAPI), обеспечение контрактов для фронтенда и смежных сервисов; * Реализация очередей, воркеров и фоновых задач для длительных LLM-операций (генерация, парсинг, эмбеддинги); * Оптимизация производительности и стоимости: профилирование, кэширование, батчинг запросов, снижение latency и затрат на токены; * Настройка логирования, трейсинга LLM-вызовов, алертов и дашбордов, анализ инцидентов; * Написание тестов, внедрение guardrails, валидация ответов моделей, защита от prompt injection; * Ведение архитектурной документации, ADR, гайдов для команды; * Участие в продуктовом процессе: совместно с продуктами и ML-инженерами уточнение требований, оценка сроков, итеративная поставка фич. Требования * Опыт разработки на Python: от 3 лет в коммерческой разработке, включая проектирование высоконагруженных и отказоустойчивых сервисов; * Глубокое знание FastAPI, Django или Litestar; понимание внутреннего устройства ASGI/WSGI, middleware, DI, обработки ошибок и валидации; * Уверенное владение asyncio, httpx, aiohttp, anyio; понимание GIL, многопроцессности, пулов соединений и backpressure; * Опыт проектирования и оптимизации схем в PostgreSQL (индексы, EXPLAIN, партиционирование), опыт работы с Redis, MongoDB и другими NoSQL; * Практический опыт работы с OpenAI, Anthropic, Cohere, Mistral, локальными моделями (vLLM, Ollama, TGI); понимание streaming, tool/function calling, structured output, retry-политик и rate limiting; * Опыт построения агентных систем – ReAct, Plan-and-Execute, multi-agent orchestration, работа с фреймворками LangChain, LlamaIndex, LangGraph, AutoGen, CrewAI или собственные реализации; * Опыт работы с Qdrant, Milvus, Weaviate, Pinecone, pgvector; понимание чанкинга, эмбеддингов, гибридного поиска, reranking; * Уверенная работа с Kafka, RabbitMQ, NATS или Redis Streams для асинхронной обработки задач агентов; * Опыт с Docker, Kubernetes (деплой, HPA, secrets, probes), понимание принципов service mesh и работы с ingress; * Опыт настройки Prometheus, Grafana, OpenTelemetry, Langfuse или LangSmith для трейсинга LLM-вызовов; * Построение пайплайнов (GitHub Actions, GitLab CI, ArgoCD), понимание blue/green и canary-деплоя; * Опыт написания юнит-, интеграционных и e2e-тестов (pytest, testcontainers); понимание TDD/BDD; * Английский язык: (Upper-Intermediate+). Условия * Гибридный формат работы (современный офис в Москве в пешей доступности от метро Кутузовская); * Льготные ипотечные условия кредитования; * Подписка Прайм с возможностью совместного использования на трёх близких ; * ДМС с первого дня и скидки на страхование для близких; * Корпоративная пенсионная программа; * Детский отдых и подарки за счет Компании; * Обучение за счет Компании: онлайн курсы, неограниченный доступ к библиотеке и обучение на базе Корпоративного университета, тренинги, митапы и возможность получить новую квалификацию.

Location: Москва Миссия роли: стать лидером компетенций в команде, обеспечивая бесперебойную работу и развитие CI/CD-платформы для 400+ продуктовых сервисов, выступая ключевым экспертом для продуктовых команд при разборе платформенных ошибок и трансформируя пользовательские тикеты в системные улучшения продукта в рамках концепции RunForChange. Обязанности * лидерство процесса troubleshooting пользовательских тикетов на L1 * совершенствование процесса и качества разбора тикетов L1 по CI/CD * обработка инцидентов (диагностика, устранение, разбор первопричин (RCA)) * консультирование пользователей и команд разработки по работе с платформой, решение обращений пользователей по вопросам CI/CD и инструментам * координация проведения работ на стенде со смежными командами * сопровождение и отладка существующих pipeline (Jenkins и аналоги) * участие в развитии и улучшении пайплайнов совместно с командами развития * автоматизация рутинных операционных задач (Python, Groovy, Bash) * реализация собственных мониторингов для отслеживания качества сопровождаемых сервисов * работа с системами сбора метрик и логов (Prometheus, Grafana, ELK или аналоги) * реализовывать автоматизации для оптимизации внутренних трудозатрат и трудозатрат продуктовых команд. Требования * опыт работы с CI/CD пайплайнами (Jenkins-pipeline) * базовые знания Linux (Debian/RHEL-семейство) * понимание контейнеризации и оркестрации: Kubernetes и/или OpenShift — ключевой стек * навыки написания скриптов для автоматизации: Python и/или Groovy * базовое понимание работы nginx (конфигурация, диагностика проблем) * навыки анализа логов и диагностики сетевых проблем * понимание REST API, базовые навыки работы с curl/HTTP * понимание принципов сетевого взаимодействия (TCP/IP, DNS, балансировка). **Будет преимуществом:** * умение читать и разбирать чужие конфигурации и манифесты (YAML, Helm-чарты) * способность самостоятельно разобраться в незнакомом сервисе и помочь пользователю * опыт работы с Helm, Operators, кастомными ресурсами Kubernetes/OpenShift * опыт с брокерами сообщений (Kafka) * опыт с Terraform или Ansible * английский язык на уровне чтения технической документации. Условия * офис: г Москва, проспект Кутузовский, 32 * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: San Francisco; Remote (United States); Seattle; New York City Perplexity serves hundreds of millions of queries a month. Every answer, every Perplexity Computer task, and every enterprise deployment runs on production infrastructure owned by the Cloud Infrastructure team: a fleet of Kubernetes clusters across a multi-account AWS estate, private networks that reach hyperscalers and the neoclouds serving our models, and the storage underneath our user data and agentic workloads. We're looking for SREs who treat reliability as a software problem. You'll own compute, networking, and storage at scale and keep production stable while everything built on top of it is changing fast. RESPONSIBILITIES - Own production at scale. Run the compute, networking, and storage foundation behind Perplexity's consumer, Computer, API, and enterprise products, and own its availability, latency, and cost. - Run our Kubernetes fleet. Operate and upgrade the EKS clusters that host web services, search, datastores, and secure sandboxes. Tune scheduling, autoscaling, node lifecycle, DNS, and service networking so clusters stay healthy under bursty, fast-growing load. - Engineer the network. Design and operate VPC architectures, Transit Gateway and PrivateLink connectivity, load balancing, DNS, and egress across accounts, regions, and cloud providers. - Keep data durable and fast. Own the storage layer (EBS, S3, DynamoDB, and the managed databases and caches our services depend on), including performance, durability, backups, and restores that have actually been tested. - Manage everything as code. Run infrastructure through Terraform and CI/CD. Build reusable modules and guardrails, and make every change reviewable, repeatable, and safe to roll back. - Prepare for failures. Define SLOs, build alerts that someone can act on, design for zone and regional failure, and run game days and disaster-recovery exercises that prove recovery works. - Lead incident response. Be on the critical path when things break. Drive incidents to resolution, write blameless postmortems, and land the fixes so the same failure never pages anyone twice. - Scale ahead of demand. Own capacity planning, quotas, reservations, and cost efficiency so product launches and traffic spikes never wait on infrastructure. - Automate away the toil. Build tooling, increasingly agent-driven, that turns provisioning, upgrades, and remediation into self-serve, hands-off workflows for every engineering team. QUALIFICATIONS We expect you to have real depth in most of these: - Deep AWS expertise. You know VPC, IAM, EC2, EKS, ELB, Route 53, S3, EBS, etc. well past the console, including their limits, failure modes, and the bill that comes with them. - Production Kubernetes at scale: cluster upgrades, CNI, CoreDNS, autoscalers like Karpenter, and debugging a misbehaving node at 3 a.m. Writing Helm charts alone doesn't count. - Terraform mastery. You've designed module structures, managed state across many accounts, and run large refactors and imports without taking production down. - Strong networking fundamentals (TCP/IP, DNS, TLS, load balancing, routing). - You write real code in Python, Go, or Rust for automation, tooling, and controllers, and you'd rather automate a runbook than follow it. - Fluency with observability tools like Datadog, Prometheus, or Grafana, and the judgment to turn metrics, logs, and traces into SLOs and alerts that matter. - A track record of leading production incidents and turning root-cause analysis into durable fixes. - You own problems end-to-end and do well when the path forward isn't laid out for you. ADDITIONAL EXPERIENCE WE VALUE - Multi-region active-active or failover architectures, and disaster-recovery programs with real recovery targets. - Proxies, service meshes, and kernel-level networking: Envoy, Istio, Cilium, or eBPF. - GitOps and progressive delivery: Argo CD, Flux, or similar. - Enterprise and compliance environments: single-tenant or BYOC deployments, KMS/BYOK, SOC 2 or similar controls. - Running stateful systems in production: Postgres, Redis, or search engines like Vespa or Elasticsearch. - Multi-cloud or neocloud operations (GCP, CoreWeave, or similar). - FinOps: cost attribution, Savings Plans and reservations, and making infrastructure cheaper without making it fragile.

Location: San Francisco; Remote (United States); Seattle; New York City Perplexity serves hundreds of millions of queries a month. Every answer, every Perplexity Computer task, and every enterprise deployment runs on production infrastructure owned by the Cloud Infrastructure team: a fleet of Kubernetes clusters across a multi-account AWS estate, private networks that reach hyperscalers and the neoclouds serving our models, and the storage underneath our user data and agentic workloads. We're looking for SREs who treat reliability as a software problem. You'll own compute, networking, and storage at scale and keep production stable while everything built on top of it is changing fast. RESPONSIBILITIES - Own production at scale. Run the compute, networking, and storage foundation behind Perplexity's consumer, Computer, API, and enterprise products, and own its availability, latency, and cost. - Run our Kubernetes fleet. Operate and upgrade the EKS clusters that host web services, search, datastores, and secure sandboxes. Tune scheduling, autoscaling, node lifecycle, DNS, and service networking so clusters stay healthy under bursty, fast-growing load. - Engineer the network. Design and operate VPC architectures, Transit Gateway and PrivateLink connectivity, load balancing, DNS, and egress across accounts, regions, and cloud providers. - Keep data durable and fast. Own the storage layer (EBS, S3, DynamoDB, and the managed databases and caches our services depend on), including performance, durability, backups, and restores that have actually been tested. - Manage everything as code. Run infrastructure through Terraform and CI/CD. Build reusable modules and guardrails, and make every change reviewable, repeatable, and safe to roll back. - Prepare for failures. Define SLOs, build alerts that someone can act on, design for zone and regional failure, and run game days and disaster-recovery exercises that prove recovery works. - Lead incident response. Be on the critical path when things break. Drive incidents to resolution, write blameless postmortems, and land the fixes so the same failure never pages anyone twice. - Scale ahead of demand. Own capacity planning, quotas, reservations, and cost efficiency so product launches and traffic spikes never wait on infrastructure. - Automate away the toil. Build tooling, increasingly agent-driven, that turns provisioning, upgrades, and remediation into self-serve, hands-off workflows for every engineering team. QUALIFICATIONS We expect you to have real depth in most of these: - Deep AWS expertise. You know VPC, IAM, EC2, EKS, ELB, Route 53, S3, EBS, etc. well past the console, including their limits, failure modes, and the bill that comes with them. - Production Kubernetes at scale: cluster upgrades, CNI, CoreDNS, autoscalers like Karpenter, and debugging a misbehaving node at 3 a.m. Writing Helm charts alone doesn't count. - Terraform mastery. You've designed module structures, managed state across many accounts, and run large refactors and imports without taking production down. - Strong networking fundamentals (TCP/IP, DNS, TLS, load balancing, routing). - You write real code in Python, Go, or Rust for automation, tooling, and controllers, and you'd rather automate a runbook than follow it. - Fluency with observability tools like Datadog, Prometheus, or Grafana, and the judgment to turn metrics, logs, and traces into SLOs and alerts that matter. - A track record of leading production incidents and turning root-cause analysis into durable fixes. - You own problems end-to-end and do well when the path forward isn't laid out for you. ADDITIONAL EXPERIENCE WE VALUE - Multi-region active-active or failover architectures, and disaster-recovery programs with real recovery targets. - Proxies, service meshes, and kernel-level networking: Envoy, Istio, Cilium, or eBPF. - GitOps and progressive delivery: Argo CD, Flux, or similar. - Enterprise and compliance environments: single-tenant or BYOC deployments, KMS/BYOK, SOC 2 or similar controls. - Running stateful systems in production: Postgres, Redis, or search engines like Vespa or Elasticsearch. - Multi-cloud or neocloud operations (GCP, CoreWeave, or similar). - FinOps: cost attribution, Savings Plans and reservations, and making infrastructure cheaper without making it fragile.

Location: San Francisco; Remote (United States); Toronto; Seattle; New York City Perplexity serves hundreds of millions of queries a month, and every one of them fans out into multiple AI inference requests running in real time. Behind that sits a large GPU fleet spread across several cloud providers. Today, our inference engineers and researchers build models while also managing networking, securing capacity, and operating the underlying GPU clusters, responsibilities we want a dedicated platform team to own. Your job is to take ownership of that infrastructure and hide its complexity behind a unified, self-serve platform for running training and inference workloads. RESPONSIBILITIES - Build a self-serve compute platform. Design and own the systems that let inference engineers and researchers launch training jobs and operate inference services without managing GPU provisioning, cluster configuration, or provider-specific infrastructure. - Operate the GPU fleet. Own provisioning, lifecycle management, reliability, and capacity integration across providers, giving teams a consistent way to use compute regardless of where it runs. - Solve for GPU scarcity. Build the scheduling and placement logic that finds available capacity across providers, packs it efficiently, and gets the right workload onto the right hardware under real constraints. - Support two very different workloads. Keep long-running distributed training jobs healthy while simultaneously guaranteeing the availability and latency of production inference services on the same fleet. - Own the Kubernetes for GPU orchestration. Write the operators and CRDs, and manage many clusters across providers so the platform behaves the same everywhere we run. - Make failure boring. Build the fault tolerance, autoscaling, and observability that keep the fleet utilized and let workloads survive node loss, provider hiccups, and capacity shifts without human intervention. - Set technical direction across teams. Partner with inference and cloud infrastructure engineers to turn operational constraints into a coherent platform architecture and roadmap. QUALIFICATIONS We expect you to have real depth in most of these: - Deep Kubernetes experience — custom operators, CRDs, and multi-cluster federation, not just running kubectl apply. - You've managed GPU clusters at scale: NVIDIA hardware, CUDA, and the networking that makes them fast (InfiniBand or RoCE). - You've orchestrated compute across multiple clouds (CoreWeave, AWS, GCP, or similar) and understand how different each one really is. - Strong distributed systems fundamentals: scheduling, resource allocation, and fault tolerance under load. - You write infrastructure and systems-level code in Go, Rust or C++. - You've supported both long-running training jobs and high-availability inference services, and you know why they pull infrastructure in opposite directions. - You own problems end-to-end and do well when the path forward isn't laid out for you. ADDITIONAL EXPERIENCE WE VALUE - Inference serving stacks: vLLM, SGLang, or TensorRT-LLM. - Slurm or other HPC schedulers. - GPU kernel work in CUDA or Triton — not required, but notable. - High-speed interconnects: InfiniBand, RoCE, or RDMA in production. - Observability for ML workloads: Prometheus, Grafana, or Weights & Biases.

Location: San Francisco; Remote (United States); Toronto; Seattle; New York City Perplexity serves hundreds of millions of queries a month, and every one of them fans out into multiple AI inference requests running in real time. Behind that sits a large GPU fleet spread across several cloud providers. Today, our inference engineers and researchers build models while also managing networking, securing capacity, and operating the underlying GPU clusters, responsibilities we want a dedicated platform team to own. Your job is to take ownership of that infrastructure and hide its complexity behind a unified, self-serve platform for running training and inference workloads. RESPONSIBILITIES - Build a self-serve compute platform. Design and own the systems that let inference engineers and researchers launch training jobs and operate inference services without managing GPU provisioning, cluster configuration, or provider-specific infrastructure. - Operate the GPU fleet. Own provisioning, lifecycle management, reliability, and capacity integration across providers, giving teams a consistent way to use compute regardless of where it runs. - Solve for GPU scarcity. Build the scheduling and placement logic that finds available capacity across providers, packs it efficiently, and gets the right workload onto the right hardware under real constraints. - Support two very different workloads. Keep long-running distributed training jobs healthy while simultaneously guaranteeing the availability and latency of production inference services on the same fleet. - Own the Kubernetes for GPU orchestration. Write the operators and CRDs, and manage many clusters across providers so the platform behaves the same everywhere we run. - Make failure boring. Build the fault tolerance, autoscaling, and observability that keep the fleet utilized and let workloads survive node loss, provider hiccups, and capacity shifts without human intervention. - Set technical direction across teams. Partner with inference and cloud infrastructure engineers to turn operational constraints into a coherent platform architecture and roadmap. QUALIFICATIONS We expect you to have real depth in most of these: - Deep Kubernetes experience — custom operators, CRDs, and multi-cluster federation, not just running kubectl apply. - You've managed GPU clusters at scale: NVIDIA hardware, CUDA, and the networking that makes them fast (InfiniBand or RoCE). - You've orchestrated compute across multiple clouds (CoreWeave, AWS, GCP, or similar) and understand how different each one really is. - Strong distributed systems fundamentals: scheduling, resource allocation, and fault tolerance under load. - You write infrastructure and systems-level code in Go, Rust or C++. - You've supported both long-running training jobs and high-availability inference services, and you know why they pull infrastructure in opposite directions. - You own problems end-to-end and do well when the path forward isn't laid out for you. ADDITIONAL EXPERIENCE WE VALUE - Inference serving stacks: vLLM, SGLang, or TensorRT-LLM. - Slurm or other HPC schedulers. - GPU kernel work in CUDA or Triton — not required, but notable. - High-speed interconnects: InfiniBand, RoCE, or RDMA in production. - Observability for ML workloads: Prometheus, Grafana, or Weights & Biases.

Разрабатывать новые backend-сервисы и развивать существующие на C#/.NET.

Поддерживать Linux-серверы, Docker-контейнеры и приложения в Kubernetes: проверять состояние, ресурсы, сетевую доступность, логи и причины перезапусков. Следить за доступностью сервисов и ключевыми показателями инфраструктуры, настраивать полезные оповещения, разбирать инциденты до причины.

Задачи: — Разработка и поддержка backend для высоконагруженных сервисов. — Работа в команде с frontend-разработчиками и тестировщиками. — Интеграция с внешними сервисами и системами. Требования: — Глубокие знания Java и/или Kotlin, опыт работы с Ktor или аналогичными фреймворками (Spring Boot, Micronaut). — Опыт работы с реляционными базами данных (PostgreSQL или аналоги) и умение писать эффективные SQL-запросы. — Опыт работы с ClickHouse и Redis будет преимуществом. — Опыт работы с Docker и Kubernetes. — Опыт работы с инструментами мониторинга и логирования (Prometheus, Grafana, Graylog). — Знание принципов построения микросервисной архитектуры и навыки создания REST API. — Опыт написания Unit-тестов и работы с Git. — Опыт разработки и поддержки веб-приложений от 3 лет. Условия: — Гибкое начало/окончание рабочего дня. — Полностью удаленная работа из любого региона. — Профессиональное развитие в сильной экспертной команде и лояльное руководство. — Достойный оклад + квартальные и годовые премии. — Официальное оформление по ТК РФ с 1 дня работы, оплата больничных и отпусков. — Полностью официальная стабильная заработная плата. — Демократичная корпоративная культура. Будет преимуществом, если в сопроводительном письме укажете: 1) сколько опыта именно в Backend-разработке, 2) желаемый уровень дохода, 3) почему считаете, что подходите на вакансию.

Стек C#, .NET, PostgreSQL, Redis, Kafka, gRPC, ClickHouse, S3 Вы будете Разрабатывать и поддерживать микросервисную архитектуру.

Together AI is looking for Staff Engineers Distributed Storage HPC and AI Infrastructure to design and operate multi-petabyte AI storage systems and Kubernetes-native platforms.

Location: Chicago, Austin DRW is a diversified trading firm with over 3 decades of experience bringing sophisticated technology and exceptional people together to operate in markets around the world. We value autonomy and the ability to quickly pivot to capture opportunities, so we operate using our own capital and trading at our own risk. Headquartered in Chicago with offices throughout the U.S., Canada, Europe, and Asia, we trade a variety of asset classes including Fixed Income, ETFs, Equities, FX, Commodities and Energy across all major global markets. We have also leveraged our expertise and technology to expand into three non-traditional strategies: real estate, venture capital and cryptoassets. We operate with respect, curiosity and open minds. The people who thrive here share our belief that it’s not just what we do that matters–it's how we do it. DRW is a place of high expectations, integrity, innovation and a willingness to challenge consensus. The Container Infrastructure team provides scalable on-premises and cloud-based container orchestration services for DRW’s trading desks, data scientists, and enterprise application teams. Our goal is to enable teams to keep focused on their business goals by providing simple, scalable solutions with off the shelf tools and the right amount of focused engineering. We’re looking to expand our Container Infrastructure team. In this role you work closely with other teams and trading desks to ensure the performance and reliability of our Kubernetes platform. The platform is large: hundreds of clusters, thousands of nodes, and dozens of components. Common day-two tasks include development of new components, monitoring costs, and ensuring compute consumption for each desk is optimized. As a member of this team you will help administer the platform, engage with internal customers and infrastructure stakeholders to ensure the platform remains reliable, performant, and cost-effective. Our philosophy: We believe in relentless automation of repetitive tasks. We have the curiosity and drive to dig deep and find creative solutions. We believe our goal is to find the right solution rather than always being right. We provide exceptional customer service to our teams and trading desks. We care more that the right thing is done than about rigid job descriptions or boundaries. What you’ll do: Work with different business units to ensure a successful onboarding and deployment of applications into DRW’s Kubernetes platform. Relentlessly automate repetitive manual tasks. Provide exceptional customer service to our platform’s users. Solve complex problems, build new features/components, get to work every day with exceptionally talented and curious coworkers. Your background: Experience working with or administering Kubernetes Clusters. Knowledge of networking, storage, and containerization fundamentals. Familiarity with AWS and/or Google Cloud Platform. A service focused attitude: you ask questions and focus on getting the right resources and solutions to people instead of rigid boundaries. Strong written and verbal communication skills. You can work across teams and have evidence-based discussions on technical and operational topics. You are eager to learn, collaborate, and find solutions under interesting constraints. Bonus points if you have: Experience with common Kubernetes operators (Flux, Fluentbit, Fluentd, Prometheus, etc.). Experience administering on-premise infrastructure. Experience developing, deploying, and supporting full stack web applications. Experience with multiple programming languages in both greenfield development and legacy maintenance. The annual base salary range for this position is $220,000 to $280,000 depending on the candidate’s experience, qualifications, and relevant skill set. The position is also eligible for an annual discretionary bonus. In addition, DRW offers a comprehensive suite of employee benefits including group medical, pharmacy, dental and vision insurance, 401k (with discretionary employer match), short and long-term disability, life and AD&D insurance, health savings accounts, and flexible spending accounts. For more information about DRW's processing activities and our use of job applicants' data, please view our Privacy Notice at https://drw.com/privacy-notice . California residents, please review the California Privacy Notice for information about certain legal rights at https://drw.com/california-privacy-notice . [#LI-SK1]

Компания: — Формат: remote / hybrid Уровень ЗП: — Занятость: full-time / part-time 🖥 Формат Удалённая, гибрид 🕹 Работодатель 🕹 Список обязанностей: — Развертывание, настройка и эксплуатация production-инфраструктуры на базе Kubernetes. — Администрирование Linux-систем, контейнерной инфраструктуры Docker/Kubernetes, сетевых компонентов и хранилищ.