阿里云阿里云智能-数据挖掘算法专家-（新金融行业线）杭州
任职要求
1、数学、统计学、运筹学、信息计算科学、大数据等相关专业优先;
2、熟悉信贷风控业务流程，了解风控数据服务行业的产品概况;
3、3年以上预测建模开发经验，动手能力强；
4、理解各类预测模型方法原理及限制条件，具备应用选择比较能力；
5、对数据敏感，具备对信息的量化提炼能力；
6、具备定义问题的能力，有系统性解决具体业务问题的方…工作职责
1.核心风控模型研发与迭代: 主导或独立负责信贷风控全流程（包括但不限于反欺诈、申请评分、行为评分、催收评分等）的核心算法模型的设计、开发、验证与部署。 持续监控、评估线上模型的表现，并根据业务变化和模型效果进行快速迭代和优化，确保模型的稳定性和有效性。 2.数据挖掘与特征工程: 深度挖掘和分析内外部多维度数据（如信贷数据、用户行为数据、第三方征信数据等），构建并完善用户风险画像及特征体系。 运用创新的特征工程方法，从海量、复杂的数据中提炼出对风险有强区分度的变量，为模型性能的提升提供坚实基础。 3.前沿算法探索与应用: 跟进并研究业界在数据挖掘、机器学习、深度学习、图计算等领域的最新算法和技术趋势。 积极探索和评估前沿算法（如无监督学习、大语言模型等）在信贷风控场景中的应用价值，并推动其在实际业务中落地。 4.风险策略支持与业务赋能: 与风险策略、产品及业务团队紧密合作，深入理解业务痛点，将模型结果转化为可落地的风控策略，提供数据驱动的决策支持。 通过数据分析和模型洞察，为业务部门提供关于客群准入、额度管理、动态定价、风险预警等方面的专业建议。 5.技术沉淀与知识分享: 负责撰写清晰、完整的技术文档和模型报告，沉淀项目经验和知识。 在团队内部进行技术分享和培训，引领团队成员共同成长，提升团队整体的算法能力和风控水平。
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。
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。