蚂蚁金服蚂蚁集团-深度学习系统研发专家/高级专家-北京/杭州/上海【数据平台】
任职要求
1. 计算机相关学科研究生学历以上，基本功扎实，5(+)年相关工作经验； 2. 精通至少一门 Python/Go/C++ 等编程语言，并有良好的代码风格； 3. 具有分布式系统服务/并行计算系统设计与研发优化经验； 4. 代码级精通主流深度学习框架及扩展库的使用及算子开发，例如TensorFlow/PyTorch/DeepSpeed/FairScale/ColossalAI/Huggingface等； 5. 有 CUDA 开发经验者优先； 6. 有 深度学习编译技术栈开发经验者优先，如：MLIR，openxla，torch dynamo/inductor，openai-triton，... 7. 有开源社区经验者优先； 8. 熟悉文本/语音/图像/推荐等模型算法者优先。
工作职责
1. 对接蚂蚁所有业务线的深度学习训练优化，开发分布式加速策略，定制算子，优化训练中数据预处理，低精度训练等模块，最终沉淀为通用解决方案并实现其自动化； 2. PyTorch/TensorFlow 等分布式训练内核优化扩展库研发； 3. 负责蚂蚁深度学习智能训练服务的研发； 4. 蚂蚁端到端的在线/离线学习训练系统开发。 5. 参与蚂蚁新一代分布式深度学习编译器开发 6. 参与蚂蚁开源深度学习系统DLRover开发建设
1. 技术团队建设与管理 （1）负责L2/PFE（Premier Field Engineer）技术工程师团队的搭建、能力培养及梯队建设，制定技术标准与协作流程；配合CSM（客户成功经理）及技术支持（Support Center）团队，快速、专业地解决客户技术问题，保障客户满意度； （2）管理派驻客户区域的PFE工程师团队，优化全球技术服务响应机制、保障团队管理与服务响应效率； 2. 复杂问题攻关与升级支持 （1）作为服务团队内部的技术问题兜底责任人，主导客户复杂技术问题（含TAM/CSM团队升级问题）的诊断与解决，覆盖领域包括但不限于： （2）移动端开发（Android/iOS/mPaaS/H5应用开发、性能优化、疑难故障排查）； （3）金融风控系统（决策引擎、全球实人认证、反欺诈技术等）； （4）AI PaaS相关架构与平台； （5）沉淀技术解决方案，建立知识库并推动产品技术的持续迭代优化； 3. 全球客户现场技术赋能 （1）能主导高价值客户的现场技术护航，提供架构优化、故障根因分析、技术风险防控等深度服务； （2）面向全球客户（含跨国企业），完成流畅的英语技术沟通支持及文档交付； 4. 技术能力体系化建设 （1）推进技术培训体系，提升一线支持团队（L1/L2）及TAM团队的技术能力； （2）联合产品与研发团队，推动技术服务的标准化与系统化赋能。
● 设计和实现高效的训练推理框架，提升多节点、多GPU环境下特别是异构算力场景下的计算效率。具备良好的工程实践和算法理论基础，熟悉底层的硬件编程和常见GPU的算子库开发，能对算法的运行效率如速度、显存占用等进行优化，推动算法稳定、高效的运行。 ● 完善优化训练推理框架，针对市面上的国产信创卡能提出统一的优化方案，并推进在底层的通信效率、资源占用、稳定性方面持续建设。 ● 设计并实现能够处理大规模并发请求的系统架构，确保极端负载下的稳定性和性能。完善错误自愈机制，提升平台训练的MFU，打造行业内一流的异构算力混训混推GPU框架。 ● 技术方案设计：主导核心模块技术方案设计与评审，结合业务需求与系统现状，制定可落地的架构规划。 ● 基础服务开发：构建高可用、可扩展的基础服务组件，支持训练/推理框架的快速迭代与稳定部署。 ● 项目管理：主导跨团队协作项目的全生命周期管理，包括需求拆解、排期规划、进度跟踪与风险控制，确保项目高效交付。 ● 持续关注并跟进业界技术发展，比如超长上下文、端到端推理思维链、多模态等方向。
我们是阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增等技术。团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。 岗位描述： 1、参与并负责搜索、推荐算法研发，提升全球不同语言的搜索精准性和国家差异化个性化推荐体验。 2、参与并负责广告算法研发，提升全域流量广告流量变现效率，通过竞价及投放优化、素材生成等提升商家投放效率。 3、参与并负责用增算法的研发，提升电商获客效率，建设优化个性化外投广告、个性化触达消息、个性化权益补贴等算法能力。 4、参与研发生成式AI技术，推动生成式AI在国际电商领域的创新应用。
1. 负责智算高性能存储系统架构设计与开发，面向AI训练场景的高性能并行文件系统模块开发，设计多级元数据服务架构，支撑海量文件与高吞吐数据流。 2. 软硬件定义，机型设计，构建存算协同机制，实现GPU Direct Storage、KV Cache/Share，不断提升存储系统性能和减少计算。 3. 保障存储系统高可用与数据安全，通过分布式强一致性、同/异步复制提升数据可靠性，设计系统自愈能力应对磁盘/节点异常，增强系统可观测和易运维能力，并通过测试与故障注入得到验证。