مدیر عملیات و زیرساخت

ما به دنبال یک مدیر عملیات و زیرساخت هستیم تا مسئولیت نظارت، راهبری و تضمین پایداری (Reliability) کل اکوسیستم فنی شرکت را بر عهده بگیرد. این نقش فراتر از یک مدیریت فنی ساده است؛ شما باید فرآیندهای عملیاتی، مدیریت بحران و زیرساخت‌های حیاتی ما را به گونه‌ای هدایت کنید که سطح سرویس (SLA) همواره در بالاترین استاندارد باقی بماند.

مسئولیت‌های کلیدی:

• مدیریت عملیات و پایداری فرآیندهای Incident Management، مدیریت ساختار On-Call و تضمین تداوم سرویس (Zero-Downtime) برای سرویس‌های REST API و LLM.
• رهبری زیرساخت و نظارت بر سلامت و مقیاس‌پذیری کلاسترهای Kubernetes، مدیریت زیرساخت‌های مبتنی بر GPU و بهینه‌سازی منابع محاسباتی.
• Observability و مانیتورینگ پشته‌های نظارتی (Prometheus, Grafana, ELK Stack) جهت پایش دقیق لایه‌های زیرساخت و تجربه کاربر نهایی.
• مدیریت تیم و فرآیندهای واحد IT/Help Desk، مدیریت دارایی‌های سخت‌افزاری و شبکه داخلی، و هدایت تیم‌های عملیاتی در شرایط بحرانی.
• مدیریت استراتژیک و هزینه‌های زیرساختی (TCO/ROI)، برنامه‌ریزی برای ارتقای زیرساخت و ارائه گزارش‌های عملکردی و استراتژیک به معاونت فنی.
• پیاده‌سازی و نظارت بر استانداردهای امنیتی در سطح شبکه و زیرساخت (SecDevOps).

شرایط احراز:

• دارای حداقل 5 سال سابقه کار حرفه‌ای در حوزه DevOps یا Site Reliability Engineering (SRE).
• دارای حداقل 3 سال تجربه در نقش‌های مدیریتی، سرپرستی تیم یا رهبری پروژه‌های عملیاتی.
• تسلط کامل و عملیاتی بر تکنولوژی‌های Containerization (Docker) و Orchestration (Kubernetes).
• تسلط بر ابزارهای مانیتورینگ و مشاهده‌پذیری (Prometheus, Grafana, ELK).
• دانش عمیق در زمینه پروتکل‌های شبکه، امنیت زیرساخت و مدیریت کلاسترهای GPU.
• توانایی کار با زبان‌های اسکریپت‌نویسی (Python یا Bash) جهت اتوماسیون فرآیندها.
• داشتن رویکرد Player-Coach (توانایی همزمان در سطح رهبری تیم و درک عمیق مسائل فنی اجرایی).
• توانایی مدیریت بحران (Crisis Management) و حفظ تمرکز و قاطعیت در شرایط دشوار.
• مهارت‌های ارتباطی بالا جهت ترجمه مسائل پیچیده فنی به زبان ساده و بیزنسی برای مدیران غیرفنی.
• داشتن حس مالکیت (Ownership) بالا و تعهد به کیفیت و پایداری سرویس.