阿里云阿里云智能-高级技术专家-云安全数据&AI工程研发-杭州
任职要求
1、计算机相关专业，熟练掌握Python、Java等编程语言，能够高效开发数据处理与AI应用程序。 2、熟悉机器学习、深度学习等 AI 技术，掌握 TensorFlow、PyTorch 等主流框架，熟悉大模型工程化流程，有实际的模型开发、部署与优化经验。 3、具备丰富的数据仓库建设与优化经验，熟悉主流数据仓库架构（如 Hadoop、Snowflake 等。 4、有威胁情报相关工作经验者优先，了解网络安全领域的威胁情报应用场景。 5、具备良好的团队协作精神和创新思维，带领团队高效完成任务，快速适应新技术、新业务发展需求。 6、有安全产品、数据的研发经验更佳，比如WAF、DDoS、防火墙、主机安全等，有较好的项目管理能力和安全生产意识。
工作职责
1、数仓管理：负责云安全数仓的整体技术规划和建设，优化数仓架构，提升性能和降低成本。 2、威胁情报建设：负责内部威胁情报体系的建设与完善，为安全产品提供有力支持。 3、AI工程化：负责云安全大模型工程平台的建设与维护，负责多智能体的系统架构和实现，解决其中的技术难点，优化AI工程流程，提高模型开发、测试、上线全链路的效率与质量。 4、代领团队探索AIGC前沿技术在安全场景中的创新应用，关注和研究业界前沿的AI平台，确保团队的技术先进性和竞争力。
负责核心业务领域的整体技术架构设计、关键技术创新与落地，驱动技术战略与业务目标的深度结合。需要具备卓越的系统架构能力、深刻的业务洞察力、前瞻性的技术视野以及领导复杂技术项目的能力，能够解决重大技术难题，并引领技术团队提升整体效能。具体包括： 1、技术方案设计 · 收集、识别、分析客户需求，深入理解业务本质，进行领域建模和业务抽象，确保技术方案精准支撑业务目标与发展； · 基于需求分析和业务建模，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、设计并决策高扩展性、高可靠、面向未来的数据架构和开发流程等。 2、技术实现 · 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现； · 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等； · 主导或指导复杂数据平台、数据管道、数据服务的设计、研发与优化，确保数据链路的高效、稳定、可扩展，并能有效支持数据分析、决策和智能化应用。 3、稳定性和性能优化 · 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠； · 探索产品优化技术和方法，进行性能优化，提高产品稳定性和性能。 4、技术预研 · 跟踪和了解产品技术和趋势，根据业务需要提供技术支持和建议，评估新技术在业务场景的落地可行性及价值。 5、技术规划 · 基于业务需求和技术趋势，主导制定并推动落地支撑业务长期发展的技术架构，确保其具备高可用、高可靠、高拓展性，并能有效沉淀数据资产、驱动业务持续改进。
1. 参与大规模分布式存储系统、高性能单机数据存储引擎的架构设计、功能开发、性能优化等； 2. 参与高可靠、高可用 存储系统的设计研发与演进，确保用户数据安全和服务可用性； 3. 为蚂蚁区块链提供高性能、扩展性好、友好的存储服务。
1、技术方案设计 • 收集、识别、分析DCN， AI infra 需求，并确定技术方案的目标、范围和交付成果 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现 • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能 4、技术预研 • 跟踪和了解新的DCN， AI infra 的发展趋势，参与UEC， SONiC等开源社区的工作， 并根据业务需要提供新的技术支持和建议， 让阿里的发展方向和业界的发展方向吻合。 5、技术规划 • 理解AI infra的战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1、技术方案设计 • 调研AI大模型训练及推理的前沿技术发展，分析计算通信协同优化的技术方案； • 分析客户需求，帮助客户使用我们的产品和解决方案，帮忙客户进行性能优化； 2、技术实现 • 负责AI计算系统的通信优化方案设计，包括计算通信协同优化、通信库研发测试、以及交付与支持； • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现； • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等； • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署； • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等。 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠； • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能。 4、技术预研 • 分析AI业务通信pattern和发展趋势，探索通信库的优化空间，以及AI计算系统全栈的协同设计，提升系统端到端的稳定性和性能。 5、技术规划 • 理解业务战略及重点，基于业务需求作出高性能、高可用、高可靠、高拓展性的技术架构规划和落地。