美团核心本地商业财务-管报数据分析
任职要求
1、 本科及以上学历，2-3年以上BI支持、数据分析、数据管理等经验优者优先，计算机、统计、数据等相关专业优先； 2、 对平台app类业务有认知，了解平台业务运营模式，熟悉财务系统，财务报表，财务分析方法论，有交易、结算及业财等相关数据处理经验者优先考虑； 3、 熟练掌握数理统计、回归分析、聚类分析、检验分析等方法，能够实现数…
工作职责
1、负责业财数据体系的建设，包含数据采集、数据标签化体系建设、指标体系建设、数据可视化搭建等工作，为业务侧和财务侧的精细化运营提供数据支持； 2、整合各团队的数据需求，通过背景和目标的了解，探查需求方的真实意图，能够利用自身数据基础的积累帮助需求方理清楚思路，并提出有效的落地框架和解决方法。 3、针对财务结果，实现业财数据的有效勾稽，在财务视角下建立财务分析数据模型（ROI模型、边际利润模型等），待方法论固化后进行模型产品化，自动化实现业务侧的效果监控和效率测算。 4、结合业务发展总结提炼数据特征，协同财务BP一起探索预测分析方法，实现财务结果的预估测算； 5、准确理解业务并掌握业务动作，根据业务动作提炼数据指标，通过各类指标的变化情况协助识别业务机会和问题，通过分析服务支持业务侧和财务侧的决策，并配合财务BP推动业务侧进行迭代； 6、协助团队成员解决财务数据分析中的问题，并提供相关培训和指导。
1.负责核心本地商业管报分析及经营分析工作，包括财务数据的收集、整理、分析和报告。 2.负责编制和分析公司财务报告，提供决策支持。 3.分析公司财务数据，发现问题并提出解决方案。 4.管理vitual团队，指导团队成员完成可比重点行业及公司经营分析工作，并提升团队绩效。
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。
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。
【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