- Страна
- США
Principal Site Reliability Engineer
Оценка ИИВысокий балл обусловлен работой с передовыми технологиями (LLM, GPU) и стратегическим уровнем влияния в хорошо финансируемом стартапе. Однако работа строго в офисе может быть минусом для некоторых кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует исключительного опыта (10+ лет) и глубоких знаний в специфических областях, таких как GPU-вычисления (DGX/HGX) и ML Ops, что делает порог входа очень высоким.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции уровня Principal SRE в таких локациях, как Калифорния и Нью-Джерси, рыночные предложения обычно начинаются от $220,000 и могут значительно превышать $300,000 с учетом бонусов и опционов. Данная роль в AI-стартапе предполагает конкурентоспособный пакет, соответствующий верхним границам рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
About Gruve
Gruve is an innovative software services startup dedicated to transforming enterprises to AI powerhouses. We specialize in cybersecurity, customer experience, cloud infrastructure, and advanced technologies such as Large Language Models (LLMs). Our mission is to assist our customers in their business strategies utilizing their data to make more intelligent decisions. As a well-funded early-stage startup, Gruve offers a dynamic environment with strong customer and partner networks.
About the Role
This role defines organization-wide reliability strategy, architecture, and culture. Guide large-scale automation programs, lead executive-level incident reviews, and mentor senior leaders and ICs. Mentor engineers, manage high-severity incidents, and drive SLO governance. You will work with other SRE engineers to set up, maintain, and troubleshoot the stack from bare metal through the application layer.
Key Responsibilities
- Own the reliability strategy across product and platform teams.
- Architect global infrastructure spanning Kubernetes, GPU platforms, ML Ops, and observability.
- Lead chaos/performance engineering and fleet-wide automation initiatives.
- Partner with executives and engineering leadership; influence roadmaps and resourcing.
- Establish SLO/error-budget governance and drive reliability best practices across org.
- Engage with customers during key operational events.
Basic Qualifications
- 10+ years in SRE, distributed systems, or large-scale infrastructure.
- Deep mastery of Kubernetes, GPU compute, observability, and public cloud.
- Proven leadership shipping mission-critical, high-availability systems.
- Expertise with DGX/HGX, NIMs, Nemotron, GPU operators and exporters.
Preferred Qualifications
- Multi-cloud/multi-region architecture leadership and cost/performance optimization.
- Strong cross-org influence and executive communication skills.
*This is an onsite, full-time position with Gruve. The role is open at our Edison, New Jersey and Redwood City, California offices.*
Why Gruve
At Gruve, we foster a culture of innovation, collaboration, and continuous learning. We are committed to building a diverse and inclusive workplace where everyone can thrive and contribute their best work. If you’re passionate about technology and eager to make an impact, we’d love to hear from you.
Gruve is an equal opportunity employer. We welcome applicants from all backgrounds and thank all who apply; however, only those selected for an interview will be contacted.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Kubernetes
- GPU
- Machine Learning Operations
- Site Reliability Engineering
- Distributed Systems
- Chaos Engineering
- Observability
- NVIDIA DGX
- Cloud Infrastructure
- Automation
Возможные вопросы на собеседовании
Учитывая фокус компании на ИИ, важно понимать опыт кандидата с GPU-инфраструктурой.
Расскажите о вашем опыте масштабирования и обеспечения отказоустойчивости кластеров с GPU (например, с использованием NVIDIA GPU Operator). С какими специфическими проблемами вы сталкивались?
Для уровня Principal критически важно умение внедрять культуру надежности.
Как бы вы подошли к внедрению системы SLO и бюджетов ошибок (error budgets) в организации, где команды разработки ранее не работали по этой методологии?
Роль предполагает работу с bare metal и облаками.
Опишите ваш опыт проектирования гибридных или мультиоблачных архитектур для высоконагруженных систем. Как вы обеспечиваете консистентность конфигураций?
Вакансия включает лидерство в инцидент-менеджменте.
Приведите пример самого сложного технического инцидента, которым вы руководили. Как вы взаимодействовали с руководством и какие системные изменения внедрили после?
Проверка навыков оптимизации ресурсов.
Какие стратегии вы используете для оптимизации затрат на облачную инфраструктуру без ущерба для производительности и надежности систем?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
