Mexique
Pearl
Wizdaa
Architecte Plateforme Senior
À distanceMexique
Argentina · Bolivia · Brazil · Mexico · United Arab Emirates
AWSGCPKubernetesTerraform
Traduction automatique. Consultez l’original.
Ce que vous ne trouverez pas ici
Nous recherchons un Architecte Plateforme capable de définir la norme pour la manière dont nous construisons, livrons et opérons des plateformes cloud fiables à grande échelle. Vous êtes à l'intersection de l'ingénierie des plateformes et du SRE. Vous maîtriserez le cheminement de la conception de l'infrastructure aux services de production fiables, en apportant une rigueur DevOps aux systèmes complexes.
Ce n'est pas un rôle de traitement de tickets, ni un rôle de recherche. Vous aborderez des problèmes difficiles : fiabilité de la plateforme, scalabilité, efficacité des coûts, automatisation des déploiements et opérations des charges de travail. Vous aurez la latitude de les résoudre correctement. Les professionnels expérimentés ici identifient les problèmes avant qu'ils ne soient signalés et élèvent le niveau de ce que la plateforme peut faire.
Une équipe plateforme qui maintient le statu quo. Nous construisons activement : de nouvelles exigences d'échelle, de nouveaux domaines architecturaux et une empreinte ML/IA qui croît rapidement. Les ingénieurs expérimentés ici façonnent l'évolution de la plateforme, et les outils disponibles pour le faire sont meilleurs qu'ils ne l'ont jamais été.
Sur quoi vous travaillerez
- Construire et opérer une infrastructure backend et IA évolutive, supportant des charges de travail en temps réel et batch avec un focus sur la performance, la fiabilité et l'architecture multi-tenant.
- Concevoir et maintenir des flux de déploiement entre services et environnements, incluant le versionnement, les déploiements progressifs, les releases automatisées, la surveillance et les stratégies de rollback sécurisées.
- Construire et opérer des systèmes LLM et agentiques en production, en intégrant des fournisseurs de modèles, des APIs, des passerelles, des outils et des services externes tout en gérant les limites de débit, la fiabilité, les garde-fous et la dégradation gracieuse.
- Développer des services réutilisables, des APIs, de l'automatisation et des pipelines de données qui supportent les produits basés sur l'IA et les capacités de la plateforme interne.
- Étendre l'infrastructure en tant que code à travers la plateforme en utilisant Terraform et des modèles réutilisables pour provisionner et gérer les services cloud de manière cohérente entre les projets et les environnements.
- Maintenir des flux de déploiement basés sur GitOps en utilisant des outils tels qu'ArgoCD, améliorant l'automatisation et la cohérence entre les environnements et les tenants.
- Exécuter des charges de travail distribuées sur Kubernetes (GKE), en gérant la scalabilité, le placement des charges de travail, l'isolation des tenants, la fiabilité des services et la capacité de l'infrastructure.
- Améliorer l'observabilité et la fiabilité de la plateforme grâce aux métriques, à la journalisation, au traçage, aux SLO, à l'alerte, aux pratiques de réponse aux incidents et aux outils opérationnels.
- Identifier les améliorations de performance et de coût d'infrastructure à travers les services cloud, les ressources de calcul, les APIs et les charges de travail IA.
- Utiliser le codage agentique et les outils de développement IA pour accélérer le travail d'ingénierie, y compris le scaffolding de services, la génération et la revue de code d'infrastructure et d'application, le débogage et l'automatisation des flux de travail répétitifs.
Indispensable
- 5+ années d'expérience en ingénierie de plateformes, SRE, ou infrastructure, avec un temps significatif passé à opérer des systèmes de production à grande échelle.
- Solide base en SRE/DevOps. Vous avez été responsable de la fiabilité des services de production, défini et mesuré les SLO, mené des post-mortems et impulsé des améliorations mesurables.
- Expertise approfondie en Terraform. Vous gérez activement un état Terraform complexe, des modules réutilisables et des configurations multi-projets en production, avec des flux plan/apply pilotés par CI.
- Solide expérience GitOps (ArgoCD ou Flux en production). Vous comprenez la gestion déclarative de l'infrastructure en profondeur et avez des opinions sur la manière de bien la faire.
- Connaissance approfondie de Kubernetes. Vous avez opéré des clusters en production, géré des modes de défaillance réels et comprenez le système au niveau du plan de contrôle.
- Solide expérience en infrastructure cloud sur au moins un cloud public majeur (AWS, Azure, ou GCP), incluant le réseau, le calcul, IAM, le stockage, et la conception multi-comptes ou multi-projets.
- Expérience pratique dans la construction et l'opération de pipelines CI/CD (GitHub Actions, Cloud Build, GitLab CI, ou équivalent).
- Pensée axée sur l'automatisation à un niveau senior. Vous implémentez des systèmes qui éliminent des catégories entières de travail manuel.
- Utilisateur actif d'outils de codage agentiques. Vous savez comment les diriger efficacement, examiner leur sortie de manière critique et les utiliser pour multiplier votre productivité.
- Excellente communication. Vous pouvez articuler clairement les décisions opérationnelles, les compromis techniques et les résumés d'incidents aux ingénieurs et à la direction.
Atouts
- Expérience MLOps, incluant une expérience pratique dans le déploiement et l'opération de charges de travail ML ou IA en production.
- Solide expérience GCP, incluant le réseau VPC, Compute Engine, IAM, Cloud Storage, la conception multi-projets ou organisationnelle, et GKE (Standard et/ou Autopilot).
- Expérience pratique avec les services de données GCP, en particulier BigQuery en production : partitionnement et clustering, optimisation des coûts et des performances des requêtes, et IAM au niveau du dataset. Familiarité avec au moins un des services Dataflow, Pub/Sub ou Dataproc.
- Expérience avec la planification des GPU/accélérateurs et la gestion du cycle de vie des nœuds en production (par exemple, le provisionnement automatique de nœuds GKE, le partage de temps GPU, ou équivalent).
- Expérience dans l'opération d'inférence LLM à grande échelle, la gestion des quotas/limiteurs des fournisseurs (TPS/TUPS), des passerelles, de la mise en cache et des garde-fous (par exemple, Vertex AI, Gemini API, ou équivalent).
- Expérience avec les outils de pipeline et d'orchestration ML tels qu'Argo Workflows, Kubeflow, Cloud Composer/Airflow, Vertex AI Pipelines, ou équivalent.
- Expérience avec les registres de modèles, les feature stores et le suivi d'expériences (par exemple, MLflow, Feast, ou équivalent).
- Familiarité avec la surveillance de la dérive des modèles et des données et l'observabilité spécifique au ML.
- Expérience en FinOps : attribution des coûts d'inférence, planification des remises d'utilisation engagée (CUD) et des réservations, et prévision de la capacité des accélérateurs.
- Familiarité avec l'infrastructure de données telle que le stockage objet, les pipelines CDC, ou les modèles lakehouse.
- Expérience avec l'infrastructure multi-tenant : modèles d'isolation, atténuation du bruit des voisins et gestion du cycle de vie des tenants.
- Expérience préalable dans la mise à l'échelle de l'infrastructure ML ou plateforme dans une startup évoluant vers des exigences de niveau entreprise.
Lieu : À distance en LATAM
Paiement en USD
Horaires de travail : Fuseau horaire EST
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil