字节跳动机器学习系统SRE工程师-Seed
任职要求
1、一年以上运维开发项目经验； 2、熟练掌握Linux环境下的Go/Python/Shell等1至2种以上语言； 3、有分布式系统的资源管理和任务调度系统运维经验，熟悉Kubernetes生态和架构，具备1年以上相关的运维经验； 4、熟悉Docker/Kata等容器化技术，具备1年以上运维经验； 5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，良好的团队合作精神； 6、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分。
工作职责
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、负责维护机器学习系统的稳定运转，支持大模型的开发、训练与部署的多个环节； 2、负责集团GPU资源的管理与规划，成本与预算，包括: GPU/CPU机器资源，存储等资源，为管理层提供资源决策数据； 3、负责集群、业务服务的稳定性治理，资源利用率提升和运维人效提升，通过平台化系统化的手段提升资源使用的效率； 4、负责多地域、多机房的系统容灾、服务部署管理和集群机器治理，提供稳定高效的GPU系统运行环境； 5、负责系统和业务的运维支持，参与业务和系统的Troubleshooting工作。
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、负责维护机器学习系统的稳定运转，支持大模型的开发、训练与部署的多个环节； 2、负责集团GPU资源的管理与规划，成本与预算，包括: GPU/CPU机器资源，存储等资源，为管理层提供资源决策数据； 3、负责集群、业务服务的稳定性治理，资源利用率提升和运维人效提升，通过平台化系统化的手段提升资源使用的效率； 4、负责多地域、多机房的系统容灾、服务部署管理和集群机器治理，提供稳定高效的GPU系统运行环境； 5、负责系统和业务的运维支持，参与业务和系统的Troubleshooting工作。
团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、负责维护机器学习系统的稳定运转，支持大模型的开发、训练与部署的多个环节； 2、负责集团GPU资源的管理与规划，成本与预算，包括: GPU/CPU机器资源，存储等资源，为管理层提供资源决策数据； 3、负责集群、业务服务的稳定性治理，资源利用率提升和运维人效提升，通过平台化系统化的手段提升资源使用的效率； 4、负责多地域、多机房的系统容灾、服务部署管理和集群机器治理，提供稳定高效的GPU系统运行环境； 5、负责系统和业务的运维支持，参与业务和系统的Troubleshooting工作。
AML（Applied Machine Learning）机器学习系统团队专注于机器学习系统领域的前沿技术研究和落地，提供高性能、高可靠、可扩展的机器学习系统架构、丰富的异构计算资源和极致的端到端的机器学习服务体验，为全公司的产品和业务提供核心技术支持和服务。 1、负责维护机器学习系统的稳定运转，支持模型开发、训练与部署的多个环节； 2、负责资源的管理与规划，成本与预算，包括: GPU/CPU机器资源，存储等资源； 3、负责多地域、多机房的系统容灾、服务部署管理和集群机器治理； 4、负责集群、业务服务的稳定性治理，资源利用率提升和运维人效提升。
AML（Applied Machine Learning）机器学习系统团队专注于机器学习系统领域的前沿技术研究和落地，提供高性能、高可靠、可扩展的机器学习系统架构、丰富的异构计算资源和极致的端到端的机器学习服务体验，为全公司的产品和业务提供核心技术支持和服务。 1、负责维护机器学习系统的稳定运转，支持模型开发、训练与部署的多个环节； 2、负责资源的管理与规划，成本与预算，包括: GPU/CPU机器资源，存储等资源； 3、负责多地域、多机房的系统容灾、服务部署管理和集群机器治理； 4、负责集群、业务服务的稳定性治理，资源利用率提升和运维人效提升。