岗位职责
- 负责元宝的稳定运行，支持开源Deepseek等模型服务训练与部署的多个环节；
- 优化模型的部署流程，包括持续集成、持续部署（ CI / CD ）和自动化工具；
- 负责集群管理和服务治理，设计容灾方案并实施演练，保障系统高可用和稳定性；
- 负责资源成本管理与规划，优化计算和存储资源，提升机器学习任务的执行效率；
- 分析 AI 硬件应用中的质量性能表现，提供系统技术支持能力，推动改进识别和落地；
- 关注业界前沿技术动态，探索复杂业务系统运维自动化和智能化的技术和方向。
职位要求
- 本科及以上学历，3年以上工作经验，有机器学习平台相关开发或运维经验；
- 熟练使用 Go /Python/ Shell 等一种或多种编程语言，善于使用自动化／智能化方法让服务稳定高效；
- 熟悉容器技术，掌握K8s、 Docker 的技术原理，有实际使用和运维经验；
- 深入了解GPU架构与并行计算，掌握CUDA编程实践，熟悉RDMA网络通信技术、NCCL集合通讯，大模型分布式训练与推理架构及模型压缩技术；
- 对于AI大模型应用的构建、部署和维护过程有深入理解；
- 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；
- 具有良好的沟通协调能力，较好的团队合作精神、责任心和一定抗压能力。
