崗位職責(zé)
1、負(fù)責(zé)AI中臺的核心架構(gòu)設(shè)計與研發(fā)工作，包括但不限于計算框架適配、分布式訓(xùn)練引擎搭建、模型部署工具鏈開發(fā)，確保平臺具備高可用性、高擴展性與高效性能。
2、深入研究 TensorFlow、PyTorch 等主流深度學(xué)習(xí)框架的底層原理，結(jié)合業(yè)務(wù)需求進行定制化優(yōu)化，解決框架在大規(guī)模數(shù)據(jù)訓(xùn)練、復(fù)雜模型推理過程中的性能瓶頸問題。
3、構(gòu)建完善的模型生命周期管理體系，涵蓋模型版本控制、實驗跟蹤、自動化評估與一鍵部署功能，提升算法工程師的模型開發(fā)與迭代效率。
4、與算法團隊、業(yè)務(wù)團隊緊密協(xié)作，理解不同業(yè)務(wù)場景下的 AI 需求，將業(yè)務(wù)需求轉(zhuǎn)化為平臺功能模塊，提供端到端的深度學(xué)習(xí)技術(shù)解決方案，支撐業(yè)務(wù)場景的 AI 落地。
5、跟蹤深度學(xué)習(xí)平臺領(lǐng)域的前沿技術(shù)動態(tài)（如大模型訓(xùn)練框架、聯(lián)邦學(xué)習(xí)平臺、AI 原生芯片適配等），開展技術(shù)預(yù)研與驗證，推動新技術(shù)在平臺中的應(yīng)用，保持平臺技術(shù)的領(lǐng)先性。
6、負(fù)責(zé)平臺相關(guān)技術(shù)文檔的編寫與維護，包括架構(gòu)設(shè)計文檔、API 使用手冊、部署運維指南等，同時承擔(dān)團隊內(nèi)部的技術(shù)分享工作，提升團隊整體技術(shù)水平。
任職資格
1、學(xué)歷與專業(yè)：本科及以上學(xué)歷，計算機科學(xué)與技術(shù)、電子信息工程、數(shù)學(xué)、自動化等相關(guān)專業(yè)，4年及以上深度學(xué)習(xí)平臺研發(fā)或相關(guān)領(lǐng)域工作經(jīng)驗。
2、技術(shù)基礎(chǔ)：
具備扎實的計算機基礎(chǔ)知識，深入理解數(shù)據(jù)結(jié)構(gòu)、算法、操作系統(tǒng)（進程調(diào)度、內(nèi)存管理）、計算機網(wǎng)絡(luò)（TCP/IP 協(xié)議棧、分布式通信原理）等核心概念。
精通至少一種主流編程語言（如Java、 Python），熟悉 Linux 操作系統(tǒng)下的開發(fā)環(huán)境與調(diào)試工具，具備良好的代碼規(guī)范與工程化思維。
3、深度學(xué)習(xí)技術(shù)能力：
熟練掌握 TensorFlow、PyTorch 等至少一種主流深度學(xué)習(xí)框架，了解框架的底層運行機制（如計算圖優(yōu)化、算子實現(xiàn)、內(nèi)存優(yōu)化），有框架二次開發(fā)或定制化經(jīng)驗者優(yōu)先。
具備分布式深度學(xué)習(xí)系統(tǒng)研發(fā)經(jīng)驗，熟悉分布式訓(xùn)練的核心技術(shù)（如數(shù)據(jù)并行、模型并行、混合并行、梯度同步策略），有大規(guī)模模型（如 LLM、CV 大模型）訓(xùn)練平臺搭建經(jīng)驗者優(yōu)先。
4、平臺研發(fā)經(jīng)驗：
有深度學(xué)習(xí)平臺、AI 開發(fā)平臺或 MLOps 工具鏈研發(fā)經(jīng)驗，熟悉平臺的核心模塊（如數(shù)據(jù)管理、模型開發(fā)、實驗管理、部署服務(wù)）設(shè)計與實現(xiàn)者優(yōu)先。
了解容器化技術(shù)（Docker）與編排工具（Kubernetes），具備基于 K8s 構(gòu)建分布式 AI 訓(xùn)練 / 推理集群經(jīng)驗，熟悉云原生技術(shù)棧者優(yōu)先。
5、綜合素養(yǎng)：
具備較強的問題分析與解決能力，能夠快速定位并解決平臺研發(fā)過程中的技術(shù)難題，有復(fù)雜系統(tǒng)故障排查經(jīng)驗者優(yōu)先。
具備良好的溝通協(xié)作能力與團隊合作精神，能夠跨部門高效推進項目，清晰表達技術(shù)方案與思路。
對人工智能技術(shù)充滿熱情，具備較強的學(xué)習(xí)能力與創(chuàng)新意識，能夠主動跟蹤行業(yè)技術(shù)動態(tài)并應(yīng)用于實際工作。