職位描述
作為AI平臺(tái)專家，負(fù)責(zé)設(shè)計(jì)和驅(qū)動(dòng)公司核心AI平臺(tái)（涵蓋數(shù)據(jù)、訓(xùn)練、推理三大核心子系統(tǒng)）的架構(gòu)演進(jìn)與技術(shù)落地。需深刻理解AI算法研發(fā)與模型服務(wù)的全流程痛點(diǎn)，通過(guò)平臺(tái)化、產(chǎn)品化的手段，系統(tǒng)性提升算法工程師的研發(fā)效率、資源利用率與模型服務(wù)質(zhì)量。
核心職責(zé)
1. 平臺(tái)架構(gòu)設(shè)計(jì)與規(guī)劃：
? 負(fù)責(zé) AI開(kāi)發(fā)平臺(tái)的整體架構(gòu)設(shè)計(jì)，制定數(shù)據(jù)管理、模型訓(xùn)練、模型部署子系統(tǒng)的技術(shù)演進(jìn)路線圖。
? 設(shè)計(jì)并推動(dòng)實(shí)現(xiàn) “數(shù)據(jù)-訓(xùn)練-部署”一體化 的協(xié)同工作流，確保數(shù)據(jù)版本、模型版本、服務(wù)版本的可追溯性與一致性。
2. 核心子系統(tǒng)設(shè)計(jì)與實(shí)施：
? AI數(shù)據(jù)管理平臺(tái)：
? 設(shè)計(jì)支持海量多模態(tài)數(shù)據(jù)（文本、圖像、視頻、點(diǎn)云） 的存儲(chǔ)、版本化、標(biāo)注、清洗、特征工程與可視化管理平臺(tái)。
? AI訓(xùn)練平臺(tái)：
? 設(shè)計(jì)支持 多卡分布式訓(xùn)練 的任務(wù)調(diào)度、彈性伸縮與監(jiān)控體系。
? 集成與優(yōu)化主流深度學(xué)習(xí)框架（PyTorch, TensorFlow, JAX），提供友好的訓(xùn)練任務(wù)編排、實(shí)驗(yàn)管理、超參優(yōu)化與可視化工具。
? 實(shí)現(xiàn)訓(xùn)練資源的精細(xì)化管理和成本核算。
? AI推理部署平臺(tái)：
? 集成與優(yōu)化 vLLM、Triton、TensorRT Serving 等推理框架，構(gòu)建統(tǒng)一的模型倉(cāng)庫(kù)、自動(dòng)化壓縮與部署流水線。
? 建立模型性能與服務(wù)質(zhì)量（QPS， Latency， Cost）的常態(tài)化監(jiān)控與告警體系。
任職要求（必要條件）
1. 教育背景：計(jì)算機(jī)科學(xué)、軟件工程或相關(guān)專業(yè)碩士及以上學(xué)歷。
2. 深厚的系統(tǒng)架構(gòu)與工程能力：
? 7年以上 后端或基礎(chǔ)設(shè)施開(kāi)發(fā)經(jīng)驗(yàn)，3年以上 作為核心設(shè)計(jì)或開(kāi)發(fā)人員參與過(guò)中大型 AI平臺(tái)、大數(shù)據(jù)平臺(tái)或云計(jì)算平臺(tái) 的建設(shè)。
? 精通 Go/Python/Java/C++ 中至少兩門語(yǔ)言，具備卓越的系統(tǒng)設(shè)計(jì)、編碼和復(fù)雜問(wèn)題調(diào)試能力。
3. 全面的AI平臺(tái)領(lǐng)域知識(shí)：
? 對(duì) 機(jī)器學(xué)習(xí)/深度學(xué)習(xí)項(xiàng)目全流程 有深刻理解，清楚各環(huán)節(jié)的核心痛點(diǎn)與***實(shí)踐。
? 具備 大數(shù)據(jù)處理（Spark， Flink， Ray） 和 MLOps 相關(guān)經(jīng)驗(yàn)。
? 熟悉至少一個(gè)主流云廠商（AWS， GCP， Azure）的AI/大數(shù)據(jù)相關(guān)服務(wù)。
優(yōu)先考慮條件
1. 有從0到1主導(dǎo)或深度參與建設(shè)公司級(jí) AI平臺(tái)、MLOps平臺(tái) 并成功支撐大規(guī)模業(yè)務(wù)的經(jīng)驗(yàn)。
2. 熟悉 Kubeflow、MLflow、TFX、Airflow 等開(kāi)源MLOps工具棧，并有二次開(kāi)發(fā)或集成經(jīng)驗(yàn)。
3 有 大規(guī)模在線推理服務(wù)的架構(gòu)設(shè)計(jì)與性能優(yōu)化經(jīng)驗(yàn)。