特斯拉跨运车驾驶员
任职要求
必须
掌握吊车等起重设备操作步骤和方法，熟悉吊车设备设施维护保养原理
具有特种设备作业人员证（叉车或起重设备等）
学历要求：高中及以上
会基础电脑操作等
优先
有1年及以上集装箱式跨运起重车驾驶经验和基础的优先
工作在上海超级工厂：
薪酬体系，「特」给力富有竞争力薪酬+全员持股政策+高标准住房公积金，还有杰出员工评选、精英挑战赛等定期活动赢取丰厚奖励。员工福利，「特」优享商业保险：社保内医疗费用100%报销，覆盖员工本人、配偶、未成年子女 ；免费工作餐：13个厂内食…工作职责
储能工厂成品下线至发运的物流作业，主要负责跨运车设备驾驶、跨运车设备的现场引导等，吊装重大体积的成品、转运行驶、成品打包落位、打包好产品落位装车，现场指挥引导跨运车驾驶等，安全、及时并有效地满足生产运作任务等。 职责描述: 了解钢丝绳，吊带，吊装锁具吨位并正确熟练使用； 吊装运过程中能够正确使用起重手势，按照起重设备操作规程和方法进行操作，确保安全生产运作； 能熟练驾驶重大起重设备，有效安全把控和指挥引导，掌握驾驶舱的仪表屏显和各种安全操作功能； 负责现场引导指挥跨运车设备，并与跨运车设备驾驶员共同作业配合，安全且及时的完成各项产品及辅助设备/器具的起吊、转移、落位等作业任务，给出正确明确且清晰的指令要求，并与跨运车设备驾驶员有清楚有效的信息传递和指令明确沟通； 规范且熟练做好吊装等起重设备的日常检查、维护、保养； 严格遵守班组安全规定，穿戴劳保防护用品，严格执行5S管理标准，营造安全，有序，规范操作的现场，消除生产安全隐患，异常主动举手上报； 接收检查和监督，完成上级交办的其他工作；
根据生产节拍，客户交期等，在保证安全的情况下有序组织成品物流库区对产品及辅助设备等的接收，入库，打包加固，发运等工作；负责现场运作设备，包括跨运车、叉车等设备的采购评估、安装调试、运行验收以及后续维护和保养工作的执行，确保有效；负责对三方运作、设备、人员日常监管考核、日常安全检查：如人员操作规范、物料状态、设备设施状态确认、标准作业等并监督落实闭环，及时上报和处理各项运作异常； 职责描述: 1、负责现场运作设备，包括跨运车、叉车等设备的采购评估、安装调试、运行验收以及后续维护和保养工作的执行，确保有效； 2、现场安全检查，主动识别、发现、排查各类隐患，主动上报，及时整改闭环，消除各类隐患； 3、制止违规作业、违章指挥、违反劳动纪律等行为；对不安全因素，要及时汇报提出整改意见，做好安全考核，安全活动和事故隐患处理等记录台账； 4、负责新员工&转岗员工入厂安全教育培训&考核，安全交底等工作，三方人员、设备、物料等材料的入场审核、报备反馈，安全培训&考核等； 5、引导和协调储能成品作业区运营所需设备、物资等安全有序入离场作业，库位、道位协调等； 6、主动挖掘和组织安全优化改善与落地，组织安全活动开展与宣传； 7、监督管理作业人员劳保用品穿戴，对安全用具，防护用品的可靠性，实用性，安全性，按国家标准，公司要求定期组织有效检查和检验，确保生产运作安全有序； 8、完成上级交代的其他相关工作，与其他相关部门协调合作，协助安全文件完善更新等。 9、遵守公司规章制度，严格按照作业指导书工作，积极查找安全隐患，及时汇报安全隐患和事故，提出安全合理化建议，通过不断改进，创造安全健康的工作环境
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【职位描述】 1、负责小红书搜广推多场景排序模型优化，提升时长、互动、留存等核心指标； 2、分析海量用户行为数据，挖掘用户兴趣，优化排序模型； 3、通过超大规模机器学习模型和系统，使用先进的排序算法优化推荐效果。
1. 负责滴滴金融保险风险场景的模型设计、建设、开发、应用落地、持续迭代优化，为业务风险指标负责。 2. 拆解业务风险指标，转化为模型指标，并为之设定合理的提升目标 3. 尝试各类特征工程方法，挖掘集团内外部数据，加工生成有效特征，优化模型效果 4. 数据算法创新，了解并跟进业界领先的人工智能和深度学习进展，推动新的技术在风控领域落地