阿里云阿里云智能-业务分析专家-采购供应链中台-杭州
任职要求
● 经验：
○ 5年以上相关工作经验，具备从数据发现到业务落地全流程的成功项目案例。
○ 拥有在云计算/ICT/金融科技/咨询等行业的数据分析经验者优先。
● 思维能力：
○ 卓越的逻辑思维与业务抽象能力，能够将复杂业务问题抽象为数学模型。
○ 极致的好奇心与提问能力，不满足于…工作职责
作为阿里云采购供应链中台运营团队，我们的核心职责是基于情报的评价规范及监控运营，不断提升采购供应链效率、降低采买和使用成本，降低业务运行风险。我们的工作涉及到采购、供应链、IDC的方方面面，从需求管理、计划供应、采购、交付、资源运营、结算对账、资产管理的端到端管理和作业流程。
在这里，你将深入复杂的采购与供应链业务场景，运用先进的数学统计方法和人工智能技术，从海量数据中挖掘洞察，不仅回答“发生了什么”，更能揭示“为何发生”以及“将要发生什么”，最终为管理层的战略决策提供强有力的数据支撑。
1、数据驱动、提出问题
○ 通过异常检测算法（孤立森林、局部离群因子）， 无监督学习，自动发现与大多数行为模式截然不同的异常点。例如，供应商主数据、招标、交付、资产管理等环节的异常发现。
○ 通过对采购、供应链、IDC业务的理解， 将数据表现出来的现象，转化为清晰、可被数据验证的具体问题。
2、 数据抽象与建模： 能够将复杂的业务实体和关系，抽象为可计算的数据模型。例如，将供应商、员工、订单抽象为“图数据”节点和边，以便进行网络分析。
3、 深度数据分析：运用先进的统计分析、机器学习算法（如：异常检测、聚类分析、图算法、NLP等）对数据进行深度挖掘，以验证最初的假设和回答业务问题。
4、 数据验真与洞察提炼： 通过交叉比对、多源验证、A/B测试 等方法，确保数据分析结果的可靠性与准确性。能从复杂结果中，提炼出清晰、可执行的业务洞察，并形成报告或演示。
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。