字节跳动机器学习平台研发实习生-Data语音
任职要求
1、2026届本科及以上学历在读，计算机、软件工程等相关专业优先； 2、有自然语言处理、语音合成与识别、音乐生成等研究或者技术背景优先； 3、优秀的代码能力，熟悉C/C++/Python等至少一种编程语言； 4、扎实的机器学习基础，熟练掌握Pytorch、TensorFlow等深度学习框架； 5、熟悉分布式系统原理，参与过大规模分布式系统的设计、开发； 6、出色的问题分析和解决能力，能深入解决大模型数据和训练的问题，有自主探索解决方案的能力。
工作职责
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data语音团队致力于语音/音频/音乐相关的AI核心技术研发和产品创新。部门支撑音频和多模态内容从生产、编辑到消费的全流程，赋能内容创作和互动，并以中台形式支持集团多个业务，提供业界前沿的技术能力与解决方案。 1、参与设计并实现高可用、可扩展、分布式机器学习平台，支持语音、音乐、多模态相关算法高效迭代； 2、构建大规模数据存储、处理、分析系统，保障Pretrain/SFT/RL各个阶段的训练数据生产，持续提升数据的规模、质量、多样性； 3、与算法同学深度合作，优化数据处理依赖的基础模型，并参与大模型的训练评测，通过数据驱动模型效果提升； 4、负责数据和AI Infrastructure前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data语音团队致力于语音/音频/音乐相关的AI核心技术研发和产品创新。部门支撑音频和多模态内容从生产、编辑到消费的全流程，赋能内容创作和互动，并以中台形式支持集团多个业务，提供业界前沿的技术能力与解决方案。 1、参与设计并实现高可用、可扩展、分布式机器学习平台，支持语音、音乐、多模态相关算法高效迭代； 2、构建大规模数据存储、处理、分析系统，保障Pretrain/SFT/RL各个阶段的训练数据生产，持续提升数据的规模、质量、多样性； 3、与算法同学深度合作，优化数据处理依赖的基础模型，并参与大模型的训练评测，通过数据驱动模型效果提升； 4、负责数据和AI Infrastructure前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data语音团队致力于语音/音频/音乐相关的AI核心技术研发和产品创新。部门支撑音频和多模态内容从生产、编辑到消费的全流程，赋能内容创作和互动，并以中台形式支持集团多个业务，提供业界前沿的技术能力与解决方案。 1、参与设计并实现高可用、可扩展、分布式机器学习平台，支持语音、音乐、多模态相关算法高效迭代； 2、构建大规模数据存储、处理、分析系统，保障Pretrain/SFT/RL各个阶段的训练数据生产，持续提升数据的规模、质量、多样性； 3、与算法同学深度合作，优化数据处理依赖的基础模型，并参与大模型的训练评测，通过数据驱动模型效果提升； 4、负责数据和AI Infrastructure前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、负责机器学习训练推理架构设计和开发； 2、参与设计系统技术方案，核心代码开发和系统调优； 3、参与制定代码规范、测试规范，建立起开发质量控制方法； 4、协助团队攻克各种高并发、数据隔离、系统解耦等方面的技术难关； 5、参与各专项技术调研，新技术引入等前瞻项目； 6、参与机器学习训练推理，异构计算调度，模型即服务系统研发。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、参与机器人AI平台功能模块开发，包括数据处理工具、可视化组件及自动化测试工具等平台能力； 2、探索机器人开发场景与AI模型能力结合的可能，包括3D物体生成、MCP等； 3、编写技术文档并参与代码评审，学习工业级编码规范； 4、跟进前沿技术动态，参与技术方案可行性验证。