腾讯机器学习后台专家
任职要求
1.在机器学习工程领域有不错的技术产出； 2.精通TensorFlow、PyTorch等主流深度学习框架，具备扎实的模型训练、调优及线上部署实践经验； 3.对并行计算、x86、ARM等计算架构具有深入理解； 4.有大型分布式系统的设计、开发及运维的实战…
工作职责
1.负责机器学习后台服务架构的设计、开发及维护工作，为算法研究团队提供高效的工程技术支持； 2.负责在游戏领域落地AI技术，包括模型训练优化以及在线服务性能，安全性，稳定性等提升； 3.积极关注AI领域的最新学术和行业进展，持续优化技术方案，并推进工作流程及研究效率的提升。
1.跟进业界最新推理框架并应用于业务，保障业务的多机多卡模型训练与推理部署； 2.参与企业微信机器学习、深度学习模型落地的工程化开发，优化AI推理服务的可用性和稳定性； 3.带领团队高效率高质量完成大模型业务落地。
1.跟进业界最新推理框架并应用于业务，保障业务的多机多卡模型训练与推理部署； 2.参与企业微信机器学习、深度学习模型落地的工程化开发，优化AI推理服务的可用性和稳定性； 3.带领团队高效率高质量完成大模型业务落地。
高级/资深后台开发/技术专家（AI算法工程化）-上海南京 1. 算法工程化支持：负责支持跨境治理和商品治理方向的算法工程化落地，包括算法服务化、模型部署、性能优化、A/B测试与监控体系搭建。 2. 系统开发与维护：基于Java与Python开发高性能、可扩展的算法平台和治理系统，保障算法稳定运行和高可用性。 3. 算法研发协同：与算法研究人员、产品经理紧密协作，推动图像理解、NLP、多模态及大模型等算法从研发到线上应用的全流程闭环。 4. 数据与质量评估：建设和维护治理效果数据采集、评估和监控体系，持续迭代优化模型与策略，驱动业务降本增效。 5. 技术方案创新：关注业界最新算法工程化与MLOps实践，推动内部平台能力升级，提升算法迭代效率。
1. 负责一站式机器学习平台的设计研发与迭代改进，包含前端，后台，平台任务流程设计和研发，为算法同学提供一站式模型训练和上线服务的能力； 3. 协同训练框架、推理框架等团队确保一站式服务平台的稳定性和易用性； 4. 服务算法模型团队，提供样本管理、模型开发调试、模型训练任务管理和版本管理、一键式上线服务部署等功能的平台化能力； 5. 对接容器算力团队，屏蔽算法团队对底层算力资源的感知，提供模型训练和模型服务的资源和任务调度能力； 6. 负责模型平台的任务、资源、成本等数据收集和自动化分析、展示功能开发，推动公司机器学习成本优化工作。