site reliability engineer

Enfint; Warszawa; On-site; PLN 180,000 - 280,000; Full time

Job summary

EPAM ищет опытного инженера по облачным системам для управления производственными средами в Варшаве. Вы будете отвечать за развёртывание, инфраструктуру как код и пайплайны CI/CD, обеспечивая наблюдаемость, качество и соответствие SLO.

Кандидат должен обладать опытом в Azure, Terraform/Bicep, Python/Bash и FinOps для AI нагрузок, а также уметь эффективно работать в кросс‑функциональных командах.

Qualifications

• 5+ лет опыта эксплуатации облачных производственных систем
• Опыт работы с Azure IaaS/PaaS, инфраструктура как код (Terraform/Bicep) и CI/CD
• Ориентация на наблюдаемость: LLM tracing, сигналы производительности
• Опыт работы со стеком Observability и автоматизацией на Python/Bash
• Знание основ FinOps для AI нагрузок

Responsibilities

• Развертывание и поддержка производственных облачных систем от начала до конца
• Реализация инфраструктуры как код и CI/CD пайплайнов
• Создание LLM‑ориентированной наблюдаемости и дашбордов
• Определение и защита SLO, балансировка скорости поставки и стабильности
• Управление инцидентами: модели on-call, рукописи runbooks
• Контроль затрат на финопсы и планирование пропускной способности
• Обеспечение безопасности: патчи, ротация секретов, аудиты
• Формирование операционных требований и передача их в команды разработки

Skills

Облачные операции

Observability

Automation (Python/Bash)

CI/CD

Финансы FinOps

Tools

Terraform

Bicep

CI/CD инструменты

Python

Job description

Описание

EPAM develops enterprise software products, open source solutions, and accelerators, including solutions for production AI systems.

Задачи

• Own end-to-end deployment, including infrastructure as code, CI/CD pipelines, and environment management on Azure
• Build LLM-aware observability with model-call traces, production quality signals, drift detection, guardrail-trigger rates, and cost and latency dashboards
• Define and defend SLOs for availability, latency, and quality objectives, balancing delivery speed against stability with data‑driven error budgets
• Run incident management, including on‑call models, pre‑incident runbooks, and blameless postmortems
• Manage intelligence costs by monitoring token economics, configuring budgets and alerts, and conducting proactive capacity planning
• Maintain the security posture through patching, secret rotation, access reviews, and audit readiness across the solution lifecycle
• Shape operability requirements before handover and ensure their inclusion in the pod's definition of done
• Run hypercare jointly and sign off on what will be operated
• Feed operational patterns, failure modes, and cost learnings back to the pods and the Architect

Требования

• 5+ Years of experience operating cloud production systems, including scaling, defining SLOs, managing on-call rotations, and automating manual work
• Expertise in Azure IaaS/PaaS operations, infrastructure as code with Terraform/Bicep, and CI/CD tooling
• Proficiency with observability stacks, LLM tracing, container orchestration, and Python/Bash automation
• Knowledge of FinOps basics for AI workloads
• Familiarity with daily AI use in operations, including incident triage, runbook drafting, log analysis, and automation code

Условия

No conditions specified