部门介绍
负责字节跳动，推荐/广告/搜索类业务的机器学习系统的资源/撮合/编排，以及业务场景调度系统的设计和开发，服务于各方向场景的模型训练、模型评估和模型推理。 系统涉及如下工作，可以至少参与其中一层：
- 分布式调度层，解决单服务的分布式部署： （a）使用/二次开发 诸如 Kubernetes，Yarn，Mesos，Celery 等分布式调度框架，并可以在不同的业务场景下合理选型；依据各框架的特点进行集群的利用率/均匀性的调度策略优化； （b）对接/扩展各框架在 水平/垂直 扩展甚至AutoScaling的工作；参与多集群混合调度（类似FedK8s）的适配工作；负责不同优先级服务的抢占/驱逐功能；负责不同集群不同类型资源间的拆借/混部对接工作；负责多机房、多地域、多云场景的调度/负载适配；
- 资源撮合层，解决多角色之间的资源联合分配问题：从全局角度进行分配率 和 资源运营效率的优化；解决各种CPU/GPU/其他异构硬件/模型数据/样本数据/外部调用资源间的容量协调和联合匹配；感知拓扑限制，进行微拓扑优化，从而优化整体网络带宽使用；海量资源和多租户的预算/交付联动；保障性资源/预算外资源，以及混部/超卖的场景对接；
- 参与训练场景的流程/功能需求，诸如阶段性编排，批流阶段封装；提升训练单副本服务的稳定性，如Failover保护；更多的备份点策略；可观测性，可操作性，用户体验优化；
- 参与包括离线到在线同步，数据一致性和更新时效性优化；也包括在线服务多副本的异构资源/稳定性预案的流量调度；模型与服务的动态在线编排和集群间坐落编排。
岗位职责
招聘官网暂未提供完整岗位职责，请前往官网核实。
职位要求
- 熟练掌握Linux环境下的Go/Python只少1种编程语言，Hands-on具备优秀的coding能力；
- 熟悉一些开源的分布式调度框架，诸如 Kubernetes（K8S），Yarn(Flink，MapReduce)，Mesos，Celery ，有丰富的机器学习系统实践和开发经验；
- 掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护；
- 有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；
- 有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；
- 有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。 加分项：符合其中任意加分项者优先
- 熟悉至少一种主流的机器学习框架（TensorFlow / PyTorch ）；
- 有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture (GPU, Accelerators, Networking)；
- 有一些开源的训练编排系统使用/设计经验：TFX。
