公有云机器学习系统工程师-Data AML
- 上海市
- 长期
- 全职
2、负责多机房、多集群环境下的，各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源的最优化编排调度，支持主流的PyTorch、Megatron、TensorFlow等训练框架，支持大规模LLM预训练、Finetuning、强化学习等各种训练范式，支持大模型、自动驾驶、生信计算等各种业务场景下算法需求，支持深度模型推理为核心的在线架构设计与优化，构建多租环境下的稳定性、观测体系，实现高并发、高吞吐的大规模在线系统；
3、负责训练系统的产品化落地，打造算法工程师友好的、稳定、可观测、体验一流的公有云训练/推理平台。职位要求:1、2026届获得本科及以上学历，计算机、人工智能、信息安全等相关专业；
2、熟练掌握Linux环境下的Go/Java/Python等1至2种以上语言；
3、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；
4、熟悉主流深度学习模型结构及算法，熟悉至少一种主流机器学习框架（TensorFlow，PyTorch或其他自研框架）；
5、如下满足任意一条：熟悉Kubernetes架构和生态，熟悉Docker/Containerd/Kata等容器技术，有云原生机器学习系统实践和开发经验；熟悉分布式系统原理，有大规模分布式系统的设计、开发和维护的相关经验；
6、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；对创新和挑战的工作有激情，有强烈的责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动。