部门介绍
Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。
- 负责统一中台系统的通用性架构设计，支撑多业务在低成本、高可用性、高吞吐、高性能、大空间等不同场景的诉求；
- 攻克多级/分级存储的架构复杂度难题，覆盖显存、内存、外存等全存储层级；
- 跟进前沿软件与硬件架构的演进方向，并开展技术尝试；
- 负责站内中台多代际、多机房、多套餐及不同库存资源的规划与利用率优化，实现基于模型规模与服务流量的自动、动态调优；
- 统筹多个子系统的多目标优化，包括训练模块的功能性、可用性、容错性，Serving模块的成本、容量、性能，以及系统同步模块的数据一致性、实效性、带宽容量；
- 深耕索引与存储结构的极致优化，探索无锁化、渐进式数据结构等技术方向，挑战CAP定理边界。
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
- 2027届获得本科及以上学历，计算机、软件工程等相关专业优先；
- 熟练掌握Linux环境下的C++/Python编程语言的使用；
- 掌握分布式系统原理，参与过分布式系统的设计、开发、维护和持续优化，能够识别复杂分布式系统中的潜在问题；
- 参与过推荐/搜索/机器学习等分布式系统工作，涉及过诸如资源调度、任务编排、模型训练、模型推理、特征抽取、MLSys、AIOps等内容；
- 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，具备良好的团队合作精神；
- 具备工作责任心、学习能力、沟通能力、自驱力和执行力，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
- 参与过类似ParameterServer系统优化，或者搜索系统的索引结构优化；
- 参与过KVCache类系统（如Mooncake等）开发或优化；
- 了解Redis、LevelDB/RocksDB、Mongo等开源存储类项目；或者有HDFS、Ceph等分布式存储系统使用/优化经历；
- 熟悉主流的机器学习框架（TensorFlow/PyTorch/MXNet）；
- 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），Machine Learning Frameworks，ML for System，Distributed Storage。
