深度学习平台研发工程师

建设高效的深度学习基础服务，保障大规模训练稳定，为各类模型研发提供技术支撑，优化计算效率，支持算法团队业务需求落地 【主要职责】： 1. 负责深度学习平台的系统架构设计和研发工作，提供端到端的模型交付能力 2. 集成云原生能力，负责模型研发、训练、推理等相关功能，提升平台资源利用率和计算效率 3. 负责大模型训练/推理的监控、排障和容错 4. 持续运营，改进平台性能、易用性和稳定性，优化用户体验 【基本资格】： 5. 计算机科学，工程或相关领域的学士学位 6. 熟悉Linux开发环境，掌握Golang/Python等语言，具备良好的代码规范意识和文档编写能力 7. 熟悉云原生相关技术，如kubernetes、kubeflow、volcano等，具备二次开发经验 8. 熟悉微服务、数据库、分布式系统、缓存技术、消息队列等相关技术 9. 强大的解决问题能力，热爱技术，有较强的自我驱动学习能力，持续关注前沿技术发展 【期望资格】： 10. 相关领域的硕士学位 11. 深入理解深度学习理论，熟悉主流训练推理框架Pytorch/Deepspeed/Megatron/Triton/Vllm，故障定位和性能调优方向有相关项目经验 12. 参与过AI Infra相关项目，熟悉FlashAttantion、DLRover、Pytorch Elastic等社区项目 13. 具备大规模GPU集群的研发和实践经验，了解通用GPU架构、GPU虚拟化、RDMA高速网络和分布式存储技术