任职要求1. 具备扎实的计算机工程基础，以及理解和分析复杂系统的能力2. 在以下一个或多个方向具备扎实的专业能力或实践经验：1）大规模数据系统2）分布式系统3）机器学习平台与工作流系统4）模型训练与推理系统5）系统性能优化或GPU性能优化3. 具备在真实约束条件下进行系统调试和持续迭代的能力4. 具备较强的主人翁意识：不仅能够高质量完成既定任务，也能够主动发现并定义问题加分项1. 有扎实的系统基础，对体系结构、网络通信、分布式系统、GPU/TPU计算等一个或者多个方向有深入理解，并有相关系统实现、性能分析或优化实践2. 有机器学习系统相关的项目、科研、实习或开源贡献，对 PyTorch、JAX、vLLM、DeepSpeed、Megatron-LM 等训推框架的设计与实现有深入探索3. 对机器学习基础设施有较深入的理解或实践，包括实验跟踪、工作流编排、模型服务、训推平台等相关系统的开发或探索4. 熟悉 Kubernetes 生态系统，或对 Ray、Kubeflow、Volcano 等分布式计算与调度系统有实践经验或深入理解理想人选1. 你期待从事对性能与正确性都有极高要求的系统工作2. 你乐于钻研和解决需要跨领域思考的复杂问题3. 你重视高质量基础设施的建设，并希望自己的工作成果能够成为工程与研究团队长期依赖的重要支撑在佳期，机器学习的进展不仅取决于模型本身，也取决于支撑模型高效迭代的系统能力。面对快速变化的市场环境，决定策略研发效率与质量的，往往是数据如何定义和流转，实验如何执行和评估，算力如何调度和利用，以及结果如何复现、部署并在真实环境中持续优化。作为机器学习工程师，你将参与这些关键系统的设计、建设和持续演进，工作将覆盖数据链路、训练与推理基础设施、实验框架以及机器学习平台。你将面对一类复杂而真实的问题：它们很少有现成答案，与生产环境紧密相关，也对性能、可靠性和工程判断提出很高要求。我们不要求你已经在所有方向上具备完整的工程经验。我们更看重扎实的基础、对系统问题的兴趣和理解能力，以及在至少一个技术方向上展现出的深入探索。工作职责：在资深工程师的指导和协作下，你将从具体而有挑战的问题出发，逐步参与并承担机器学习系统关键模块的设计、开发和优化工作。结合你的技术专长，你将参与以下一个或多个方向1. 设计和开发数据处理系统，将高吞吐、高噪声的交易数据转化为稳定、高效、适用于生产环境的模型输入2. 构建并优化模型训练与推理基础设施3. 开发实验与评测系统，提升模型迭代效率，并增强实验过程的可追踪性与结果的可信度4. 持续完善机器学习平台的端到端流程，推动模型在实盘交易环境中的稳定部署与运行5. 识别并解决贯穿整个技术栈的性能瓶颈，从计算、内存、调度和 I/O 等维度开展系统性优化

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录