携程资深AIOps工程师(MJ026511)
社招全职技术团队AI & BI地点：上海状态：招聘
任职要求
职位要求： 计算机科学、信息技术或相关领域的学士学位，硕士或以上学历优先。 熟悉常用的根因分析算法、深度学习算法，如RNN、LSTM、Transformer等常用模型，并能应用于实际场景，如异常检测、根因分析、日志分析等场景。 具备数据敏感性，能够对应用监控数据进行挖掘和分析，提供可解释的解决方案，以解决应用的性能瓶颈问题（如容量、配置合理性等问题）。 熟悉大模型相关技术，具备检索增强、模型训练优化和数据工程等技术的实际使用经验。 熟悉Python、R或其他数据分析编程语言，具备相关深度学习框架的开发经验。 具备良好的问题解决能力和逻辑思维，能够在复杂环境中快速定位和解决问题。 加分项： 具备Flink，Spark等离线、实时技术相关开发经验。
工作职责
我们正在寻找一位经验丰富的AIOps工程师，加入我们的技术团队，该职位将参与AIOps研发工作，围绕质量、效率、成本三个方面来不断的优化和改进运维工作。 设计和开发AIOps解决方案，帮助实现携程运维的智能化。 参与公司容量资源规划：运用机器学习和数据分析技术，预测容量变化、监控和分析系统性能、识别潜在问题，并提供可解释的解决方案，以提高资源利用率，提前发现容量瓶颈。 打通故障从告警发现、故障定位、故障恢复的全链路，借助于机器学习、深度学习、大模型等相关技术，帮助进行故障的异常检测、告警降噪、根因定位、预案的决策等，进而提升故障恢复效率。
包括英文材料
学历+
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
LSTM+
https://colah.github.io/posts/2015-08-Understanding-LSTMs/
Humans don’t start their thinking from scratch every second.
https://d2l.ai/chapter_recurrent-modern/lstm.html
The term “long short-term memory” comes from the following intuition.
https://developer.nvidia.com/discover/lstm
A Long short-term memory (LSTM) is a type of Recurrent Neural Network specially designed to prevent the neural network output for a given input from either decaying or exploding as it cycles through the feedback loops.
https://www.youtube.com/watch?v=YCzL96nL7j0
Basic recurrent neural networks are great, because they can handle different amounts of sequential data, but even relatively small sequences of data can make them difficult to train.
Transformer+
https://huggingface.co/learn/llm-course/en/chapter1/4
Breaking down how Large Language Models work, visualizing how data flows through.
https://poloclub.github.io/transformer-explainer/
An interactive visualization tool showing you how transformer models work in large language models (LLM) like GPT.
https://www.youtube.com/watch?v=wjZofJX0v4M
Breaking down how Large Language Models work, visualizing how data flows through.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
R+
[英文] R Tutorial
https://www.w3schools.com/r/
R is often used for statistical computing and graphical presentation to analyze and visualize data.
数据分析+
[英文] Data Analyst Roadmap
https://roadmap.sh/data-analyst
Step by step guide to becoming an Data Analyst in 2025
Flink+
https://nightlies.apache.org/flink/flink-docs-release-2.0/docs/learn-flink/overview/
This training presents an introduction to Apache Flink that includes just enough to get you started writing scalable streaming ETL, analytics, and event-driven applications, while leaving out a lot of (ultimately important) details.
https://www.youtube.com/watch?v=WajYe9iA2Uk&list=PLa7VYi0yPIH2GTo3vRtX8w9tgNTTyYSux
Today’s businesses are increasingly software-defined, and their business processes are being automated. Whether it’s orders and shipments, or downloads and clicks, business events can always be streamed. Flink can be used to manipulate, process, and react to these streaming events as they occur.
Spark+
[英文] Learning Spark Book
https://pages.databricks.com/rs/094-YMS-629/images/LearningSpark2.0.pdf
This new edition has been updated to reflect Apache Spark’s evolution through Spark 2.x and Spark 3.0, including its expanded ecosystem of built-in and external data sources, machine learning, and streaming technologies with which Spark is tightly integrated.
相关职位
社招技术团队AI &
负责设计和实现携程集团全面容量管理体系，需具备基于AIOPS的容量管理和运维经验。 1、负责携程集团容量管理体系建设，包括高峰和日常场景下的容量预估、容量治理、容量弹性伸缩、容量应急等，构建自动化、智能化的容量托管能力； 2、建设全面资源管理系统，包括但不限于计算、存储等20+种资源管理能力，建设自动化、智能化水位管理能力，建设监控告警巡检等稳定性保障体系等；建设智能化的资源增长预测能力，做出资源需求规划和评估容量风险，最大化资源利用率，建立自动化的良性资源循环； 3、探索计算、存储、带宽等资源的优化方案，通过技术手段实现成本优化，建设/推动多种混部(离在线、存储计算)、容量巡检等能力，优化资源效率，提升性能，降低成本； 4、建设资源容量相关数据体系，并建设和优化容量、ROI等模型，由数据驱动制定资源容量和管理计划，持续优化供需，降低成本； 5、负责和推动携程智能资源容量调度能力提升
更新于 2025-03-10
社招3年以上信息技术类
1、参与设计和开发AIOps解决方案，帮助实现希音运维的智能化。 2、参与公司容量资源规划：运用机器学习和数据分析技术，预测容量变化、监控和分析系统性能、识别潜在问题，并提供可解释的解决方案，以提高资源利用率，提前发现容量瓶颈。 3、打通故障从告警发现、故障定位、故障恢复的全链路，借助于机器学习、深度学习、大模型等相关技术，帮助进行故障的异常检测、告警降噪、根因定位、预案的决策等，进而提升故障恢复效率。
更新于 2024-07-12
社招3年以上
1、学习并了解公司业务流程，熟悉公司应用、系统、基础设施等各层技术的调用逻辑； 2、负责设计、落地稳定性保障解决方案，包括但不限于风险挖掘、线上问题管理、监控告警管理、生产变更管理、重大活动保障管理、稳定性文化机制等； 3、推进标准保障方案的工具产品化落地及运营，通过产品工具帮助稳定性工作提效降本。
更新于 2022-07-29
社招3年以上诚云科技
1、负责阿里云开源大数据平台（Flink/EMR/Spark/StarRocks/ES/Hadoop/K8S）运维工作，包括可观测性链路、监控报警，故障应急及处置、SLA可用率度量提升等 2、研发大数据运维管控平台，通过自动化提升运维效率，包括交付&变更CICD、智能诊断定界等 3、落地AIOps智能运维，通过AI算法提升稳定性，包括异常检测、根因定位及基于大模型&智能体Agent运维落地等 4、负责稳定性架构设计及项目组织推动落地，包括基础架构云原生化、跨AZ高可用架构、产品可运维性架构演进等
更新于 2025-09-25