The posting
我们正在招募一名训练平台方向的应届生,参与公司机器学习训练基础设施的建设与演进。你将在导师指导下,学习并参与从数据准备、分布式训练、超参搜索到模型交付的全链路平台工程,深入理解大规模训练系统的设计与优化。 主要职责 - 参与训练平台的功能开发与迭代,支持单机多卡与多机多卡训练场景 - 协助设计与实现训练作业的编排与调度能力 - 参与 Kubernetes 上训练栈的维护与优化 - 协助构建标准化训练模板与实验管理工具 - 参与模型资产管理(版本控制、Checkpoint 管理、结果对比)的工程实现 - 编写高质量代码与技术文档,参与代码评审
- 本科或硕士应届毕业生,计算机/软件工程/自动化/人工智能等相关专业 - 精通 Python,了解 Go 或 Java 者优先 - 了解 Docker 与 Kubernetes 基本概念,有容器化应用部署经验者优先 - 了解深度学习基础与主流训练框架(PyTorch/TensorFlow),有模型训练经验 - 了解分布式训练的基本原理(数据并行/模型并行/梯度同步等概念) - 具备良好的工程能力与代码习惯,熟悉 Git 协作流程 - 学习能力强,对大规模系统与平台工程有热情 加分项 - 了解 PyTorch Distributed、DeepSpeed、FSDP 等分布式训练框架 - 了解对象存储(S3/OSS)、并行文件系统等存储技术 - 有 Kubeflow、Ray 或类似平台的使用经验 - 有开源贡献或高质量的课程项目/毕业设计 - 有 GPU 集群使用经验或高性能计算相关背景



