Auf einen Blick
Senior Staff Solutions Engineer für Crusoe Cloud GPU-Infrastruktur gesucht. Rolle erfordert 7+ Jahre Kubernetes-Expertise, MLOps-Tiefe und starke Customer-Facing-Fähigkeiten.
💰 ~$185.000–240.000/Jahr (geschätzt)
📊 Lead
🕒 Vollzeit
🗺️ Americas
- 7+ Jahre Kubernetes-Erfahrung
- MLOps-Deployment
- Cloud-Infrastruktur
- Customer-Engagement
Kubernetes
MLOps
Ray
Python
Docker
Cloud-Infrastruktur
Solutions Architecture
Gehalt geschätzt anhand Senior Staff Solutions Engineer mit 7+ Jahren Kubernetes und MLOps bei US-Cloud-Unternehmen. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Erfahrene Kubernetes/MLOps-Ingenieure
- Solutions Architects mit Cloud-Spezialisierung
- Customer-Oriented Infrastruktur-Profis
🚫 Weniger geeignet
- Kandidaten unter 7 Jahren Kubernetes
- Personen ohne Customer-Facing-Erfahrung
- Pure Backend-Ingenieure ohne MLOps
💡 Gut zu wissen
- Dies ist eine Solutions-Rolle, nicht reine Engineering – Customer-Engagement ist zentral
- MLOps (Ray, Kubeflow) ist wichtiger als traditionelle HPC/Slurm
- Content-Beiträge sind erwünscht und erhöhen das Profil
Über das Unternehmen
Crusoe Cloud bietet hochperformante GPU-Infrastruktur für KI/ML-Workloads. Das Unternehmen sucht einen Senior Solutions Engineer, um Enterprise-Kunden bei End-to-End-Deployments zu unterstützen.
Deine Aufgaben
- Technisches Onboarding und Deployment komplexer KI/ML-Workloads mit Enterprise-Kunden
- POC-Prozess Eigenverantwortung vom PoC bis Post-Sales-Optimierung
- Architektur und Deployment von ML-Workloads mit Kubernetes-basierten Stacks (Ray, Kubeflow)
- Infrastructure-fokussiertes Design: Performance auf Container- und Hardware-Ebene optimieren
- Cross-Cloud-Translation: Workload-Migration über AWS, Azure und GCP unterstützen
- Technical Storytelling: Workshops, Demos, Case Studies durchführen
- Voice of Customer: Feedback an Engineering Teams relaisieren
Deine Voraussetzungen
- 7+ Jahre Kubernetes und Container-Workload-Erfahrung
- MLOps Deployment-Erfahrung (Ray, MLflow, Airflow)
- Tiefe Cloud-Infrastruktur-Kenntnisse (AWS, GCP, Azure)
- Customer-Facing Technical Confidence
- Linux und CLI-Proficiency
- Starke Kommunikations- und Cross-Funktionale Zusammenarbeit
Bonus
- Ray, Kubeflow oder andere verteilte ML-Orchestrierungs-Plattformen
- Multi-Cloud-Deployment oder Migration
- Content-Beiträge (Tech Talks, Blogs)
