岗位职责
- 负责快手大规模分布式系统及在线服务可靠、稳定、高效运行；
- 负责机器学习训练/推理系统的高可用性维护，确保机器学习平台及训练任务稳定运行；
- 负责大模型异构算力支持和稳定性保障，支持新硬件适配接入及相关自动化工具链建设；
- 负责机器学习相关资源的管理与规划，包括预算成本、资源效率提升、统一调度等。
职位要求
- 本科及以上学历，计算机、软件工程相关专业，具备互联网业务运维经验；
- 有大型分布式系统的运维和资源管理经验，有 K8S 和 AI 相关运维经验优先；
- 具备扎实的计算机软件开发基础知识，精通 Linux 操作系统、网络、存储等相关原理；
- 熟悉一种或多种编程语言，包括但不限于 Shell/Python/Golang/Java/C 等；
- 具备较强的问题分析解决能力，有强烈的责任心，良好的学习能力、沟通能力和自驱力；
- 有搜广推业务运维经验/机器学习系统经验或大型云平台服务运维经验，为加分项。
