阿里云阿里云智能-云平台交付工程师/专家-杭州|北京
任职要求
● 具备复杂系统的部署架构和部署工具的设计经验或能力，负责或参与过复杂软硬件部署交付部署项目经验者优先 ● 具备计算、存储、网络、数据库、云原生、大数据、中间件等领域中的一项或多项技术理解和应用经验 ● 具备跨产品的系统架构能力，能基于此做交付…
工作职责
● 负责公有云交付架构和平台工具的规划设计，通过部署架构优化、部署工具和体系建设来提升全流程交付部署效率 ● 持续提升云平台及其系统组件的可交付能力，建立知识库、交付工具、交付流程优化及方法论 ● 负责公有云新Region/AZ交付项目全链路交付实施，识别和屏蔽实施前技术风险 ● 基于平台和数据的持续建设，推动交付平台工具优化，提升云产品自动化交付能力；并设计和输出交付平台的独立部署、版本管理等能力
● 负责公有云交付架构和平台工具的规划设计，通过部署架构优化、部署工具和体系建设来提升全流程交付部署效率 ● 持续提升云平台及其系统组件的可交付能力，建立知识库、交付工具、交付流程优化及方法论 ● 负责公有云新Region/AZ交付项目全链路交付实施，识别和屏蔽实施前技术风险 ● 基于平台和数据的持续建设，推动交付平台工具优化，提升云产品自动化交付能力；并设计和输出交付平台的独立部署、版本管理等能力
● 负责公有云交付架构和平台工具的规划设计，通过部署架构优化、部署工具和体系建设来提升全流程交付部署效率 ● 持续提升云平台及其系统组件的可交付能力，建立知识库、交付工具、交付流程优化及方法论 ● 负责公有云新Region/AZ交付项目全链路交付实施，识别和屏蔽实施前技术风险 ● 基于平台和数据的持续建设，推动交付平台工具优化，提升云产品自动化交付能力；并设计和输出交付平台的独立部署、版本管理等能力
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、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、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，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、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性