AI算法數據管理/訓練/推理部署平臺專家

職位描述
作為AI平臺專家，負責設計和驅動公司核心AI平臺（涵蓋數據、訓練、推理三大核心子系統）的架構演進與技術落地。需深刻理解AI算法研發與模型服務的全流程痛點，通過平臺化、產品化的手段，系統性提升算法工程師的研發效率、資源利用率與模型服務質量。
核心職責
1. 平臺架構設計與規劃：
? 負責 AI開發平臺的整體架構設計，制定數據管理、模型訓練、模型部署子系統的技術演進路線圖。
? 設計并推動實現 “數據-訓練-部署”一體化 的協同工作流，確保數據版本、模型版本、服務版本的可追溯性與一致性。
2. 核心子系統設計與實施：
? AI數據管理平臺：
? 設計支持海量多模態數據（文本、圖像、視頻、點云） 的存儲、版本化、標注、清洗、特征工程與可視化管理平臺。
? AI訓練平臺：
? 設計支持 多卡分布式訓練 的任務調度、彈性伸縮與監控體系。
? 集成與優化主流深度學習框架（PyTorch, TensorFlow, JAX），提供友好的訓練任務編排、實驗管理、超參優化與可視化工具。
? 實現訓練資源的精細化管理和成本核算。
? AI推理部署平臺：
? 集成與優化 vLLM、Triton、TensorRT Serving 等推理框架，構建統一的模型倉庫、自動化壓縮與部署流水線。
? 建立模型性能與服務質量（QPS， Latency， Cost）的常態化監控與告警體系。
任職要求（必要條件）
1. 教育背景：計算機科學、軟件工程或相關專業碩士及以上學歷。
2. 深厚的系統架構與工程能力：
? 7年以上 后端或基礎設施開發經驗，3年以上 作為核心設計或開發人員參與過中大型 AI平臺、大數據平臺或云計算平臺 的建設。
? 精通 Go/Python/Java/C++ 中至少兩門語言，具備卓越的系統設計、編碼和復雜問題調試能力。
3. 全面的AI平臺領域知識：
? 對 機器學習/深度學習項目全流程 有深刻理解，清楚各環節的核心痛點與***實踐。
? 具備 大數據處理（Spark， Flink， Ray） 和 MLOps 相關經驗。
? 熟悉至少一個主流云廠商（AWS， GCP， Azure）的AI/大數據相關服務。
優先考慮條件
1. 有從0到1主導或深度參與建設公司級 AI平臺、MLOps平臺 并成功支撐大規模業務的經驗。
2. 熟悉 Kubeflow、MLflow、TFX、Airflow 等開源MLOps工具棧，并有二次開發或集成經驗。
3 有 大規模在線推理服務的架構設計與性能優化經驗。