美团机器学习平台研发工程师
任职要求
1.计算机基础知识良好，熟悉Java/Python/C++之一，对机器学习感兴趣； 2.对后台开发技术栈有深刻理解，有较强抽象能力，有大型系统开发经历； 2.具有主流深度学习引擎和大数据计算引擎（包括但不限于TensorFlow/PyTorch、Spark/Flink、Hudi/Iceberg等）的实际应用经验和原理了解，有引擎优化或平台化的经历； 4.有较强的技术好奇心和自驱力，了解行业最佳实践…
工作职责
1.建设特征/样本工程，设计包括从特征打印到特征服务的完整实时+离线特征/样本生产流程，设计大规模分布式特征存储系统，支撑百亿级数据实时处理，提升特征/样本的生产效率、质量和访问性能，进而提升算法迭代效率和效果； 2.对算法开发过程进行抽象，将常用的机器学习、深度学习过程沉淀为组件，建设算法开发pipeline，设计代码与可视化组件相结合的编程范式，提供便捷稳固的一站式环境托管，提升算法迭代效率； 3.建设训练任务的托管能力，设计异构、多地域、多系统资源池、多租户分组的实验编排调度系统，建立模型实验效果评估体系，支撑几十个业务线、千级模型同时进行训练，保障模型及时产出，提升资源利用率，帮助业务优化模型效果； 4.探索云原生下的模型服务部署架构，设计高可用、多角色的模型服务框架，制定流量分发、模型/服务治理策略，支撑万亿级推理调用量，提升模型部署成功率、推理请求成功率和性能；
1、负责公司级机器学习平台MLOps 的研发，从机器学习系统、云原生、云计算架构等多个层面进行技术探索和攻坚，实现高性能、高资源利用率的高性能机器学习平台； 2、设计和实现机器学习相关的基础设施/算法框架/工具链等，并推动落地到业务中； 3、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、任务编排、模型训练、模型推理、特征平台、工作流编排等； 4、负责机器学习系统前瞻技术的调研和引入，比如：硬件架构、异构计算系统、GPU 优化技术的引入落地；
1. 负责公司机器学习平台相关子系统的设计、开发和优化工作，打造易用、稳定、高效的机器学习平台。 2. 负责机器学习全流程的系统优化和迭代，包括：特征工程、工作流编排、资源调度、任务调度、模型管理、推理服务管理等。 3. 设计、开发超大规模机器学习系统，优化现有技术方案，改善系统性能, 提高算法的整体迭代效率。
【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、负责小红书大规模机器学习平台的后台系统设计和开发工作； 2、将平台和框架结合，通过任务调度、弹性容灾、性能优化等措施端到端提升深度学习的训练效率，涉及k8s/kubeflow、网络通信、分布式训练等； 3、设计和构建 K8S 场景下的资源调度系统，参与底层GPU训练资源的调度优化与管理； 4、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。
1、平台化产品后端开发，熟练掌握字节跳动业界领先的超大规模推荐系统全流程； 2、智能推荐重点业务支撑，统一平台化支持算法工程师进行推荐/广告等算法效果迭代； 3、性能优化，持续提升数据预处理/训练/预估性能； 4、易用性优化，持续提升平台易用性，降低机器学习应用门槛； 5、具体承担数据流与特征平台、训练平台、资源调度、离线架构、在线架构等其中一项或多项工作。