大疆中/高级机器学习平台工程师（数据闭环）
任职要求
1. 计算机类相关专业硕士及以上学历，5年以上软件开发经验； 2. 具备扎实的计算机基础，熟悉Golang和Python开发，有扎实的编码和Trouble-shooting能力；熟练使用Docker/K8S/MQ/ES/Mongodb/…
工作职责
1. 负责数据闭环系统的建设，开发多模态数据的存储、数据检索、数据清洗与挖掘、数据质检的工具链，支撑大规模数据的自动化处理； 2. 结合业务场景，支撑算法模型的工程化落地，以数据驱动加速模型的快速迭代验证； 3. 负责海量数据治理落地，建设包括数据血缘、数据安全、数据合成与增强等能力； 4. 探索工程化智能化数据分析以及挖掘方法，从海量数据挖掘优化机会点，并量化指标和收益。
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、负责大模型平台的架构设计和核心功能研发，构建云原生架构，设计高可用、高性能的微服务体系； 2、负责构建面向大模型全流程的DevOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地； 3、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、GPU虚拟化、存储&网络加速等手段，提升GPU集群使用效率； 4、将平台和框架结合，通过任务调度、弹性容灾、性能优化等措施端到端提升AI生产效率，涉及k8s/kubeflow、网络通信、分布式训练等； 5、优化各AI平台性能，提升系统稳定性和可扩展性，保障大规模并发场景下的服务质量与用户体验； 6、持续研究分析业内创新AI平台产品，优化技术方案，改进产品功能，提升创新能力与产品体验。
1、主导滴滴海外外卖业务的风控战略规划与体系构建，深度洞察业务模式、流程及系统架构的潜在漏洞，推动产品技术、业务运营及全球团队协同设计高可扩展的风控策略架构，确保风控能力与业务发展的对齐； 2、前瞻性研判复杂业务场景（如新商业模式试点）中的潜在作弊风险，主导设计全局性数据埋点与采集体系，通过机器学习、图计算及行为建模等大数据分析方法，系统性量化风险敞口与业务影响，输出行业领先的风控洞察； 3、领导跨职能团队（如数据工程、算法研发等）开展深度作弊挖掘与对抗攻坚，构建作弊者画像图谱与动态行为模型，设计多维度、自适应的大规模反作弊策略体系，并持续通过模型迭代与机制优化实现风控效果的显著提升； 4、主导构建业务风控的全域指标体系与实时监控预警系统，推动与数据工程团队共建自动化风控决策平台与可视化作战系统，实现风险识别、策略部署与效果评估的闭环管理，确保全球业务的高效安全运行； 5、负责风控前沿技术探索与方法论沉淀，主导跨区域风控能力迁移与标准化建设，培养核心风控人才，提升团队整体专业影响力。
(负责以下1-2项工作)： 1、设计VLA模型架构，利用具身数据和VLM预训练/后训练，实现数据/模型的迭代和训练策略优化； 2、构建高质量互联网多模态数据及模型训练，提升VLM对物理世界的理解和具身推理能力； 3、负责遥操/动捕的真机数据构建和增强，综合利用具身数据金字塔(真机/合成/互联网数据)，在机器人具身模型算法(模仿学习/强化学习)上验证有效性； 4、基于Isaac sim/MuJoCo等仿真平台构建Real2Sim2Real数据合成管线； 5、力/触觉和灵巧手数据采集和生成，并在灵巧手操作模型中验证闭环； 6、动作捕捉和重定向：人形动作捕捉，机器人重定向定向，动作模仿。
1. 构建多云异构资源调度体系，整合多家云厂商的AI算力资源，设计优先级策略，实现跨平台资源池化管理和高效动态分配； 2. 设计数据智能路由方案，确保训练数据在混合云环境下高效流动，优化跨云数据同步效率； 3. 对接MLOps系统，实现训练任务编排、版本控制、模型监控等功能的深度集成； 4. 开发资源效能监控系统，实时追踪GPU利用率、任务排队时长等核心指标。