ESPECIALISTA II DE INFRAESTRUTURA DE CLOUD

Descrição

Arquitetar, evoluir e operar a infraestrutura da plataforma de IA da Cloud TOTVS de forma segura, escalável e sustentável, garantindo previsibilidade operacional, baixo acoplamento tecnológico e eficiência financeira, suportando os serviços de inferência e suas dependências ao longo do crescimento dos produtos de IA da companhia.


Responsabilidades e atribuições

Arquitetar e operar infraestrutura de inferência e suporte a treinamento e fine-tuning de modelos (GPU-first), em ambientes on-premises, cloud e serviços externos.

Definir arquitetura física e lógica (rede, isolamento, alta disponibilidade, capacidade e resiliência).

Planejar e executar a implantação da plataforma de IA, garantindo compatibilidade entre hardware, SO, drivers, CUDA, Kubernetes e stacks de inferência.

Operar a plataforma de inferência em produção, assegurando disponibilidade, desempenho e continuidade.

Atuar na resolução de incidentes complexos (GPUs, Kubernetes, redes, storage e workloads de IA).

Aplicar práticas de SRE (SLOs, SLIs, error budgets e gestão de incidentes).

Operar e evoluir stacks de inferência (comerciais e open source), garantindo portabilidade e mitigação de lock-in.

Definir e padronizar serviços de inferência (ex.: Triton, NIM).

Arquitetar e operar clusters Kubernetes para IA (multi-tenant, scheduling de GPU, filas, concorrência, backpressure e escala).

Implementar observabilidade full stack (infraestrutura, GPUs, Kubernetes e serviços de inferência).

Garantir visibilidade de consumo de recursos, capacidade, riscos operacionais e impacto financeiro.

Apoiar capacity planning e planejamento orçamentário.

Integrar práticas de DevSecOps ao ciclo completo da plataforma.

Garantir conformidade com segurança, auditoria, acessos e segregação de ambientes.

Disseminar padrões técnicos, boas práticas e conhecimento (documentação e mentoria).

Apoiar fóruns técnicos e decisões estratégicas relacionadas à infraestrutura de IA.

Requisitos e qualificações

Experiência mínima de 5 anos em infraestrutura de TI, cloud ou sistemas distribuídos em ambientes críticos.

Experiência em arquitetura e operação de sistemas distribuídos (preferencialmente com dados, analytics ou IA).

Vivência em equipes multidisciplinares com interação com produto, dados, segurança e arquitetura.

Graduação em TI, Engenharia, Ciência da Computação ou áreas correlatas.

Inglês avançado (leitura, escrita e conversação técnica).

Domínio de sistemas distribuídos (concorrência, balanceamento, filas, isolamento e backpressure).

Experiência sólida com Kubernetes (EKS, GKE, AKS, scheduling avançado, multi-tenant).

Conhecimento avançado em ambientes de missão crítica (alta disponibilidade e resiliência).

Domínio de redes (TCP/IP, DNS, load balancers, firewalls, SDN).

Experiência com storage para workloads intensivos em I/O e larga escala.

Experiência com cloud pública (AWS, Azure e/ou GCP).

Domínio de observabilidade (métricas, logs e traces).

Experiência com Infraestrutura como Código (IaC) e automação.

Conhecimento em práticas DevSecOps e SRE.

Forte capacidade analítica para resolução de problemas complexos.

Comunicação clara e orientada a impacto técnico e operacional.

Entendimento de contexto de negócio para embasar decisões técnicas.

Informações da vaga

• Modalidade de trabalho: Remote