中/高级运维工程师（AI平台）

负责大规模AI训练集群的稳定性建设，解决大规模训练中的故障自愈、调度编排等问题；

负责保障在离线推理服务的高可用和低延迟，包括：弹性伸缩、自动扩缩容策略等；

负责保障AI数据产线，包括但不限于：数据清洗、标注、预处理等；

负责大规模多模态数据湖、存储系统的运维，包括但不限于：Spark、Flink、Trino等。

本科及以上学历，具备5年以上相关经验；

熟悉Python/Go，有K8S Operator开发经验。至少具备一项以下要求： 1.1. 熟悉常见GPU硬件架构，了解NCCL通信库原理，RDMA通信； 1.2. 了解Pytorch/Megatron等训练框架，了解VLLM/TRT等推理框架； 或 2.1. 熟悉Spark/Flink/Hadoop等大数据组件，熟悉HDFS/Alluxio/对象存储等存储系统； 2.2. 熟悉数据湖技术（Hudi/Iceberg等），熟悉湖仓一体架构； 2.3. 对图像、视频、文本等非结构化数据的存储、访问模式有深入理解，熟悉数据清洗、预处理、特征工程等流水线的稳定性保障工作。