携程资深机器学习平台研发工程师(MLOps)(MJ027834)

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。

我们正在寻找充满激情、具备技术前瞻性的应届毕业生，加入我们致力于构建智能化研发基础设施的团队。作为AI赋能的DevOps开发工程师，你将参与下一代智能化CI/CD平台与自动化运维系统的开发与优化，融合人工智能技术，推动软件研发流程的自动化、可观测性与自愈能力全面提升。 你将参与： 1. 构建智能CI/CD流水线：与研发团队紧密协作，设计并开发高可用、可扩展的持续集成与持续交付平台；探索将机器学习应用于构建失败预测、测试用例智能推荐、资源调度优化等场景，提升研发效率与交付质量。 2. 开发智能化自动化运维工具：使用Python、Go等语言开发自动化脚本与工具，实现基础设施即代码（IaC）；结合AI技术，探索日志异常检测、自动化根因分析等AIOps能力，实现系统运维的智能决策与响应。 3. 打造智能监控与自愈系统：参与构建覆盖全链路的监控体系，集成Prometheus、Grafana、ELK等技术栈；引入时序预测模型与异常检测算法（如LSTM、Isolation Forest等），实现性能瓶颈预警、故障自动诊断与部分场景的自愈响应。 4. 推动DevOps与MLOps融合实践：参与机器学习模型的训练流水线（ML Pipeline）与模型部署（Model Serving）基础设施建设，探索模型版本管理、A/B测试、监控与回滚机制，助力AI能力高效落地。

我们正在寻找具备深厚技术功底、前瞻性视野和丰富实战经验的DevOps平台工程专家，加入我们致力于构建智能化研发基础设施的核心团队。在这里，你将主导下一代AI驱动的CI/CD平台与智能运维系统的设计与落地，推动软件研发流程向自动化、可观测性、自愈能力和数据驱动决策全面进化。 作为团队的技术骨干，你将： 1. 设计并构建高可用、智能化的CI/CD平台 主导持续集成与持续交付系统的架构演进，支持大规模分布式研发协作；探索机器学习在构建失败预测、测试用例智能推荐、资源调度优化等场景的应用，显著提升交付效率与稳定性。 2. 打造企业级智能化运维（AIOps）体系 基于Python、Go等语言，构建自动化运维工具链与平台化能力，实现基础设施即代码（IaC）；引入异常检测、根因分析、故障传播图谱等AI算法，提升系统可观测性与故障响应速度，推动运维从“被动响应”向“主动预防”转变。 3. 构建全链路智能监控与自愈系统 设计并落地覆盖应用、服务、资源的端到端监控体系，集成Prometheus、Grafana、ELK、OpenTelemetry等主流技术栈；结合时序预测（LSTM、Prophet）、无监督异常检测（Isolation Forest、One-Class SVM）等模型，实现性能瓶颈预警、自动诊断与部分场景的闭环自愈。 4. 推动MLOps与DevOps深度融合 主导机器学习模型训练流水线（ML Pipeline）与模型服务化（Model Serving）平台建设，设计模型版本管理、A/B测试、流量灰度、监控告警与快速回滚机制，支撑AI能力高效、稳定地规模化落地。

1、参与国际电商的个性化算法创新优化，包括推荐、搜索等场景，最大效率地提升流量效率。 2、打造业行领先的深度学习平台能力，负责超大规模推荐召回，点击率，转化率，停留时长预估等模型优化。其中包括用户、商品的表征学习，在线学习，序列建模等技术创新。 base上海深圳南京都可以~~~