系统可靠性工程师

负责部署和维护一个健壮、安全且高效的SaaS应用平台以满足既定的SLA。构建和维护稳健的CI/CD流水线和开发平台，使工程团队能够快速安全地发布功能。设计并部署专为AI/ML工作负载优化的可扩展基础设施，包括管理GPU资源和整合MLOps工具。自动化、监控、管理和事件响应以实现自动修复系统。参与轮班值守以确保平台的稳定性和可用性。扩展基础设施以满足快速增长的需求。独立设计和开发工具以协助AI以及与其他团队成员共同交付创新解决方案。提供多层分布式软件应用的部署和运维支持。估算工程工作量，规划实施并发布系统变更，以满足功能、性能、可扩展性、可靠性和开发目标和原则。在快速节奏的环境中与多个团队（软件开发、发布管理、构建和发布等）协作。定义如何实现大规模系统的行为。通过工程和运维自动化实现可靠性。监控和警报开发、文档和管理，目标是创建自动修复系统以提高平台稳定性。适应非GA发布的安全控制。开发自动化方法以扩展标准部署流水线。修补、配置管理、政策执行和审计生产系统。推动灾难恢复流程。

7年以上Linux和Windows系统及软件管理经验。精通Infrastructure-as-Code工具如Terraform和Cloud Formation。熟悉编程语言包括Python、Go、Node.js。在Azure、GCP和AWS等云平台管理经验。精通Kubernetes管理及升级。系统和数据驱动解决方案的强脚本技能。GitOps和CICD经验，工具如Jenkins、ArgoCD、Helm。能够领导根本原因分析（RCA）和无责后验分析，积极推动战略架构变化以防止事件复发。作为软件工程团队的基础设施顾问，指导他们在设计阶段而非仅在部署阶段遵循可靠性最佳实践。识别多层应用中的系统性弱点并战略性地倡导可靠性路线图项目。推动可观测性文化，确保AI/ML应用发出正确的指标以便在客户察觉前预测故障。熟悉Prometheus、Grafana等自动修复系统的监控和警报工具。熟悉在生产环境中部署、扩展和观察AI模型、向量数据库或LLM。在多个环境中有标准化安全控制和配置管理经验。熟悉项目/任务管理平台。

提供年度薪资范围$130,000.00至$140,000.00（按示例转换为月薪约10,833至11,667美元）。包含激励补偿、健康福利、退休福利、人寿保险、带薪休假、产假福利及其他员工福利。

Veritone是一家以AI为核心的企业，专注于提供AI/ML工作负载的可扩展基础设施解决方案。公司致力于通过自动化、监控和运维优化来提升系统稳定性与可靠性。