字节跳动广告架构高级工程师-Ads ML Infra
任职要求
1、熟练掌握Linux环境下的C/C++编程； 2、对深度学习模型推理及训练有过实际上手经验，熟悉至少一种机器学习框架； 3、具有独立解决问题的能力，良好的团队合作精神，具备优秀的复杂…
工作职责
1、负责100+B参数模型，1M序列长度的大规模分布式训练（DDP/F SDP/TP/SP/PP）和推理支持（RPC框架/VLLM/TRT）； 2、与算法部门深度合作，进行算法与系统的联合优化； 3、负责机器学习效率优化，包括但不限于： 量化、剪纸、压缩、蒸馏、特征选择、NAS、编译优化； 4、负责特殊机器学习范式的支持，例如强化学习、联邦学习、图学习、优化器等。
1、召回、粗排、精排架构，与算法团队合作，设计并实现包括：ANN召回算法架构、GPU召回算法架构等，解决海量候选场景下的广告排序问题。支撑亿级广告候选排序、优化模型分发速度、提升在线的推理性能、探索业内最新算法的工程落地等，助力业务指标增长； 2、预估与策略平台与架构，设计和实现模型部署和资源调度平台，提升模型资源利用率；设计和实现通用的排序策略框架，通过DSL、图化架构、图编译优化、行列存储数据结构等技术，落地高性能、易使用的排序策略框架，提升排序系统的迭代效率和性能； 3、算力调度平台与架构，设计并实现广告投放系统的延迟、降级、限流、算力分配的自动化、一体化平台和架构，提升广告系统的变现效率和系统稳定性； 4、排序业务工程，基于广告业务特点，设计并实现排序业务架构，包括排序近线系统、LLM模型推理框架、AIGC创意生成框架等。
1. 支撑快手电商亿级用户推荐系统的分布式召回引擎设计、开发与性能优化，推动召回能力的平台化建设，提升策略迭代效率与系统复用性； 2. 参与多路召回策略（如向量召回、行为序列召回、图召回、规则召回等）的架构实现，持续提升召回覆盖率、多样性与相关性，同时沉淀通用召回组件与平台能力； 3. 构建高可用、高性能的特征生产与管理体系，覆盖离线、近线、在线全链路的特征抽取、计算、存储与服务，推进特征平台化演进，保障特征一致性、时效性与易用性； 4. 与算法、数据、存储团队紧密协作，将业务需求高效转化为可扩展、可维护的技术方案，推动推荐效果与系统性能双提升。
-负责百度用户增长基础架构搭建，保证系统的高性能、高可用、高效率的稳定交付 -负责用户增长中台系统的架构设计和针对现有技术架构的优化改进 -从用户、产品和技术综合角度考虑，利用技术和数据分析手段，协同产品实现用户增长目标 -在一个子方向，平衡业务和技术规划，有效地支持产品迭代和技术发展
1. 负责里阿妈妈广告系统的技术研发与中长期技术规划，全面支撑品牌广告&外投广告的规模化增长； 2. 推进品牌广告&外投广告面向未来的智能化投放平台建设，构建高可用、可扩展的广告基础设施能力，推动广告投放从“经验驱动”向“数据+AI驱动”升级； 3. 打造业界主流的广告投放能力矩阵（涵盖RTA、RTB、PD、PDB、SEM等核心模式），赋能商家全域外投与平台用户增长场景，提升广告投放效率； 4. 参与阿里妈妈广告中台架构演进进程，创新突破技术难点，提升研发运维效率以及团队组织效能。