高德地图高德-数据仓库高级专家（P8）-信息工程团队
任职要求
● 资深的数据架构专家，具备7年以上数据仓库领域深度实践经验，主导过超大规模数仓体系的架构设计与平台建设，对数据建模、ETL架构、元数据管理、数据质量保障、主数据管理等核心领域有系统性理解和成功落地经验。 ● 精通大数据生态技术栈，熟悉实时流计算、数据湖、湖仓一体架构，具备从传统数仓向现代数据架构转型的战略视野与落地能力。 ● 具备业务与数据融合思维，能够从业务视角出…
工作职责
● 我们正站在AI+数据驱动本地生活服务变革的最前沿，致力于通过前沿AI技术与数据能力重构餐饮、零售、到店服务等核心场景的业务逻辑，打造一个连接数亿日活用户与数千万商家的智能生态闭环。 ● 作为核心数据架构与平台建设的关键角色，您将主导构建高德面向“目的地服务”的全链路数据资产体系，推动数据治理、分层建模、资产沉淀与高效应用，打造支撑未来5-10年业务增长的数据底座。您将深度参与并主导基于AI驱动的数据平台升级，赋能商家经营、销售作业、运营洞察、管理分析等关键场景，打造数据智能化产品能力矩阵，实现从“数据可用”到“数据好用”再到“数据驱动”的跃迁。 ● 同时，您将面对海量业务数据资产的治理挑战与架构演进机遇，持续提升数据平台在准确性、稳定性、实时性、扩展性等方面的综合能力，打造行业领先的数据应用平台。
高德信息业务数据平台团队，负责高德核心业务的数据建设，涵盖扫街榜、搜索、推荐、广告、酒店、旅游、门票、租车、美食、加油充电、电影、房产等多元化场景。通过埋点治理与数据优化，驱动业务快速增长。 职位描述 1、埋点体系建设：负责埋点SDK建设与维护、埋点元数据体系设计、埋点治理，对接多业务方完成埋点方案设计； 2、AI赋能数据团队：运用AI技术重构数据开发流程，打造AI Native数据团队，极大提升开发效率； 3、数据平台建设：构建与维护搜索、推荐、广告等C端基础数据体系。
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。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
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！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。