机器学习平台研发工程师

职位描述

-负责机器学习平台与算力基础设施的研发与演进，为模型训练、推理、评测及数据处理等流程提供稳定、高效、可扩展的平台能力，主要包括：

- 参与并主导大规模算力平台的设计与研发，覆盖资源调度、任务编排、容器与运行时管理等关键方向，持续提升集群整体资源利用率，保障训练与推理场景的稳定运行；

- 基于 Kubernetes、Docker 等云原生技术，参与调度器扩展及 CRD/Controller 等核心能力建设，支撑大规模分布式训练与推理场景。

- 持续推进平台的易用性与性能优化，完善工具链与开发体验，降低算法与模型团队的使用门槛，提升整体研发效率。

任职要求

- 本科及以上学历，3 年及以上研发经验，有大规模容器集群或平台型系统建设经验，有千卡及以上规模集群管理或调度经验者优先；

- 熟练掌握 Golang，具备扎实的数据结构与算法基础，能够独立定位和解决复杂系统问题；

- 熟悉 Kubernetes 核心机制与组件（如调度、网络、存储、Controller/CRD 等），了解容器运行时及云原生相关技术体系；

- 熟悉常见分布式数据处理或计算框架（如 Ray / Spark / Flink 等），理解其架构设计与运行模型；

- 了解并行计算与高性能计算相关技术，具备 OpenMP / MPI / RDMA 等使用或优化经验者优先；

- 熟悉至少一种主流深度学习框架及分布式训练方案，如 PyTorch、DDP、DeepSpeed、FSDP 等；

- 具备良好的自驱力、责任感和团队协作意识，能够与算法、平台及业务团队高效协作。