sre инженер AI-сервисов

Фантех — бизнес-юнит Яндекса, развивающий развлекательные онлайн-сервисы Яндекс Плюса: Кинопоиск, Музыку, Яндекс Афишу, Книги и другие продукты. Команда создаёт технологии, которые помогают пользователям находить интересный контент, а также разрабатывает AI-продукты, включая AI-собеседника Люмена для рекомендаций и общения о кино, музыке и книгах.

• Обеспечивать надёжность AI-сервисов, следить за их состоянием, участвовать в дежурствах, диагностировать нештатные ситуации и устранять их причины;
• Улучшать мониторинг, логирование и алертинг;
• Определять критичные показатели сервисов и внедрять практики SLI, SLO и error budget;
• Проектировать инфраструктуру новых микросервисов вместе с разработчиками;
• Настраивать развёртывание новых компонентов и их интеграцию с общей платформой;
• Писать инструменты на Python;
• Развивать CI/CD;
• Автоматизировать создание и настройку инфраструктуры;
• Участвовать в проектировании отказоустойчивых решений;
• Разбирать инциденты;
• Помогать команде улучшать процессы разработки и эксплуатации.

• Опыт работы с Linux или другими Unix-системами и диагностики системных проблем;
• Знание сетевых протоколов, DNS, HTTP, балансировки и маршрутизации;
• Умение строить мониторинг, анализировать логи и настраивать полезные алерты;
• Навыки программирования на Python для автоматизации инфраструктурных задач;
• Опыт работы с Kubernetes, Terraform, Ansible или аналогичными системами оркестрации и Infrastructure as Code;
• Понимание CI/CD и пути изменения от кода до эксплуатации в продакшене;
• Опыт работы с облачной инфраструктурой;
• Умение работать с базами данных, очередями и кешами;
• Понимание принципов построения отказоустойчивых распределённых систем;
• Знание SLI и SLO и готовность участвовать в развитии этих практик;
• Готовность участвовать в дежурствах и сопровождать критичные сервисы;
• Умение обсуждать инфраструктурные и архитектурные решения с разработчиками;
• Будет плюсом опыт эксплуатации высоконагруженных систем и capacity planning, внедрения SLI, SLO и error budget, обеспечения надёжности сервисов с LLM или внешними API, наблюдаемости и диагностики AI-систем, нагрузочного тестирования и оптимизации производительности сервисов.

• Расширенная медицинская страховка с первого месяца работы;
• 30 Оплачиваемых дней больничного в году;
• ДМС покрывает чекапы, вакцинацию, стоматологию и коррекцию зрения после года работы;
• Оплата ведения беременности и родов для сотрудниц и жён сотрудников, работающих более двух лет;
• ДМС для детей и супругов по системе 80/20.