О компании
Nebius строит full-stack AI-облачную платформу для разработчиков и предприятий, поддерживая обработку данных, обучение моделей и продакшн-деплой. Компания предоставляет облачную инфраструктуру: вычисления, хранение, сети и прикладной AI.
Задачи
•Владеть стандартом документации, используемым всеми L3-командами, включая шаблоны, критерии качества, ответственность, процессы согласования и циклы ревью
•Создавать и поддерживать SOP, runbook'и, гайды по устранению неполадок и библиотеки кодов ошибок для GPU-платформ, серверного оборудования, прошивок, out-of-band управления и Linux-диагностики
•Приоритизировать документацию по частоте инцидентов, влиянию, риску и повторяющимся эскалациям L1/L2, поддерживая библиотеку в удобном для поиска и связанном состоянии
•Проводить ревью после изменений платформы, релизов прошивок и инцидентов, управляя статусами draft, approved, deprecated и archived
•Участвовать в расследованиях L3 и R&D, фиксируя симптомы, первопричины, доказательства, решения и превентивные меры
•Писать повторяемые процедуры с предусловиями, предупреждениями, точками принятия решений, ожидаемым результатом, откатом и условиями эскалации
•Разрешать отсутствующую или противоречивую информацию совместно с вовлечёнными инженерами до публикации
•Структурировать контент так, чтобы L1 получал точные шаги и меры предосторожности, а L3 имел доступ к более глубоким диагностическим деталям
•Валидировать процедуры от начала до конца, давая техникам L1 и L2 выполнять их без подсказок, и улучшать неясные шаги
•Исследовать повторяющиеся эскалации, чтобы определить, является ли документация неверной, скрытой, неясной или неполной
•Готовить пакет документации для каждой новой аппаратной платформы до её ввода в продакшн-поддержку
•Выезжать в дата-центры для наблюдения за процедурами и фиксации знаний после инцидентов
Требования
•Сильный практический опыт работы с серверами дата-центров и устранением неполадок Linux
•Рабочие знания серверного оборудования, прошивок BIOS/BMC и средств out-of-band управления, таких как IPMI или Redfish
•Опыт написания runbook'ов, SOP или гайдов по устранению неполадок, используемых операционными командами
•Сильное рабочее знание Atlassian Confluence
•Чёткий, структурированный письменный английский для читателей с разным уровнем технической подготовки
•Способность отличать проверенные факты от предположений и оспаривать неясные вводные
•Свободный английский, письменный и устный
•Готовность к командировкам
Будет плюсом: опыт с GPU-серверными платформами и инструментами, nvidia-smi, dcgmi, корреляция логов Linux, ipmitool, workflow с Redfish, жизненный цикл прошивок, Bash, базовый Python, documentation-as-code, Git-based workflows, OCP-based платформы, ODM-экосистемы.
Условия
•Конкурентная компенсация
•Карьерный рост и возможности обучения
•Гибкость и самостоятельность
•Совместная и инновационная культура
•Возможность работать над значимыми AI-проектами
•Международная среда и талантливые команды
•Соискатели должны иметь право работать в стране подачи заявки и предоставить подтверждение права на трудоустройство
