AI GPU集群的系统可靠性工程师（SRE）

您的任务是构建和维护可靠的、可观察的和安全的基础设施，以确保全球客户的服务可用性。您将参与AI基础设施的建设与运维，与产品团队合作，确保AI服务的可靠性与性能。工作内容包括：构建AI基础设施、解决生产问题、维护可观测性工具、推动AI基础设施生命周期管理、应用最佳实践、维护技术文档、与开发团队协作等。

积极主动、以解决问题为导向的心态；对自动化和持续改进充满热情；具备良好的协作与沟通能力；能够独立工作并团队协作；愿意指导和分享知识；精通Python、Go或C++；具备脚本技能（Bash、Python）；熟悉Linux系统（Ubuntu/Debian）；有GPU和HPC基础设施经验优先；了解网络（TCP/IP、DNS、BGP等）；熟悉监控和日志工具（Prometheus、Grafana、Elastic等）；熟悉Infrastructure-as-Code（Ansible、Salt、AWX等）；有关系型数据库（MariaDB）管理经验；熟悉CI/CD流水线（GitLab）；能用英语交流。

混合工作模式：每周最多3天远程工作；宽敞的办公空间，靠近公共交通；总部提供健康餐食，其他站点提供早餐；员工福利包括健身房、托儿所、折扣服务等；国际环境，英语和法语广泛使用；内部晋升机会，可过渡至Iliad集团其他实体。

自1999年以来，Scaleway致力于设计安全、可持续的基础设施，支持最勇敢的公司。通过人工智能的发展，我们加强了对AI基础设施的承诺。公司是欧洲领先的云服务提供商，专注于提供IaaS、PaaS和AI产品，致力于负责任的云服务，数据中心100%可再生能源供电。

初步电话面试（30分钟）→ 技术面试验证专业能力（1小时）→ 管理层面试了解您的方法（45分钟）→ tribe负责人面试深入讨论（45分钟）→ HR面试参观办公室并结识同事