職位描述
作為AI平臺專家，負(fù)責(zé)設(shè)計和驅(qū)動公司核心AI平臺（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，通過平臺化、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. 平臺架構(gòu)設(shè)計與規(guī)劃：
? 負(fù)責(zé) AI開發(fā)平臺的整體架構(gòu)設(shè)計，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)演進路線圖。
? 設(shè)計并推動實現(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)計與實施：
? AI數(shù)據(jù)管理平臺：
? 設(shè)計支持海量多模態(tài)數(shù)據(jù)（文本、圖像、視頻、點云） 的存儲、版本化、標(biāo)注、清洗、特征工程與可視化管理平臺。
? AI訓(xùn)練平臺：
? 設(shè)計支持 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、實驗管理、超參優(yōu)化與可視化工具。
? 實現(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：
? 集成與優(yōu)化 vLLM、Triton、TensorRT Serving 等推理框架，構(gòu)建統(tǒng)一的模型倉庫、自動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：計算機科學(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)施開發(fā)經(jīng)驗，3年以上 作為核心設(shè)計或開發(fā)人員參與過中大型 AI平臺、大數(shù)據(jù)平臺或云計算平臺 的建設(shè)。
? 精通 Go/Python/Java/C++ 中至少兩門語言，具備卓越的系統(tǒng)設(shè)計、編碼和復(fù)雜問題調(diào)試能力。
3. 全面的AI平臺領(lǐng)域知識：
? 對 機器學(xué)習(xí)/深度學(xué)習(xí)項目全流程 有深刻理解，清楚各環(huán)節(jié)的核心痛點與***實踐。
? 具備 大數(shù)據(jù)處理（Spark， Flink， Ray） 和 MLOps 相關(guān)經(jīng)驗。
? 熟悉至少一個主流云廠商（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 AI平臺、MLOps平臺 并成功支撐大規(guī)模業(yè)務(wù)的經(jīng)驗。
2. 熟悉 Kubeflow、MLflow、TFX、Airflow 等開源MLOps工具棧，并有二次開發(fā)或集成經(jīng)驗。
3 有 大規(guī)模在線推理服務(wù)的架構(gòu)設(shè)計與性能優(yōu)化經(jīng)驗。