训练平台开发工程师

负责智驾训练平台后端核心模块的开发，包括训练任务调度、资源管理、模型版本存储、数据集关联等功能的实现与维护；

基于 Kubernetes 构建训练任务的容器化运行环境，实现 GPU/CPU 资源的动态分配、任务生命周期管理（创建、启动、停止、重启）及基本监控数据采集；

集成 PyTorch、TensorFlow 等深度学习框架，封装训练任务的标准化提交接口，实现作业运行状态跟踪、日志流式输出、Checkpoint 自动保存与恢复；

参与训练过程的性能分析，识别 I/O、网络通信、数据预处理等环节的瓶颈，并实施缓存、预取、数据分片等工程优化手段；

开发平台与数据集管理、标注系统、模型仓库等周边基础设施的集成接口，确保数据可追溯、训练可复现；

参与平台基础服务能力建设，包括使用 Redis 实现高频数据缓存、优化 MySQL 查询性能、对接对象存储（如 MinIO/S3）或分布式文件系统，保障系统在高并发场景下的稳定性和响应速度

计算机、软件工程、人工智能等相关专业本科及以上学历，对大规模分布式系统和云原生技术有扎实的理论基础和实践热情；

精通 Java 或 Golang 语言，具备良好的编码习惯和面向对象设计能力，有完整的后端开发项目经验（课程设计、实习或开源贡献均可）；

深入理解 Kubernetes 核心概念（Pod、Service、Deployment、Ingress、ConfigMap 等），能够独立完成容器化应用的部署、配置和排错；熟悉 KubeSphere 等容器管理平台的基本使用；

熟悉深度学习训练的基本流程（数据迭代、前向计算、反向传播、参数更新、Checkpoint 管理），了解 PyTorch 或 TensorFlow 的分布式训练（DataParallel/DistributedDataParallel）基本原理；

熟悉 Linux 操作系统，熟练掌握 Shell 编程、网络配置、文件系统操作等技能；

了解常见的分布式系统设计模式（如 Leader/Follower、一致性哈希）、RPC 通信（gRPC/Thrift）和消息队列（Kafka/RabbitMQ）的使用；

熟悉 Redis 缓存中间件的使用场景（如热点数据缓存、分布式锁、会话存储），具备基本的缓存策略设计能力；

熟悉 MySQL 等关系型数据库，能够进行慢查询分析及索引优化；

具备独立分析和解决问题的工程能力，能够快速定位系统异常并给出修复方案