百度深度学习技术平台部_深度学习技术平台部_算法实习生(J47867)
任职要求
-熟悉常用深度学习算法，在CV方向有深入研究 -熟练掌握C/C++、Python、Shel…
工作职责
-探索和实现最前沿的深度学习算法，丰富开发套件算法和功能 -优化现有算法并支持在业务中落地，丰富相关应用案例 -从模型角度发现框架性能、易用性等问题，能提出优化方案并加以改进 -支持和解决用户使用框架及套件中的问题
-负责百度飞桨平台的智能体应用开发 -理解产品业务，结合业务场景需求，应用大模型、工具搭建平台产品的智能助手 -结合智能助手研发的过程，沉淀通用的开发工具 -解决自然语言处理核心技术在应用落地中的最后一公里问题
-参与深度学习视觉方向开发套件相关功能模块规划，协助完成产品方案设计 -针对图像分类、检测、分割等技术，辅助研发团队构建算法库、撰写文档、制作产品Demo -与产品、开发、运营多团队沟通，优化用户体验，推动产品上线 -定期监控竞品动态、设计用户调研问卷并进行深访，获取用户认知并辅助完成产品迭代优化 -扩展企业应用场景及开发者生态，组织技术宣传及企业开发者拓展活动
-负责对部门的各类技术文档或文案进行中英翻译 -负责对部门的各类技术文档或文案进行中英文编辑、排版和归档 -负责各类宣传材料的审核与编辑 -参与宣传稿件审核工作
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。