小米小米汽车-算法工程师-电池大数据故障预警

1. 数据产品体系建设： （1）战略规划与体系设计： 基于“车、桩、电池”用电侧业务的全生命周期（包括但不限于营销圈客、资产交易、运营运维、投融资服务、资产并购、风险管理等）结合部门战略及项目输入，进行顶层设计，规划并构建支撑业务可持续发展的数据产品体系蓝图； （2）路线图制定：定义数据产品体系的演进路径和版本规划，明确各产品模块的优先级、依赖关系和发展阶段，确保体系建设的连贯性和业务价值输出的持续性； （3）价值闭环设计：规划数据在产品体系内外的流动与价值循环，确保数据资产能够在不同业务场景中被充分应用，形成“数据驱动业务-业务产生数据”的增强闭环； 2. 数据产品设计： （1）业务洞察与需求转化：深度渗透至营销圈客、资产交易、运营运维、投融资服务、资产并购、风险管理等核心业务环节，精准识别并理解业务目标与核心客户（内部或外部）诉求，将其转化为明确的数据应用机会点； （2）产品定义与方案设计： （2.1）针对业务机会点，主导具体数据产品的定义，包括产品定位、目标用户、核心价值主张及关键成功指标； （2.2）设计端到端的数据应用产品方案，包括数据模型、分析逻辑、可视化呈现（如诊断看板、预警系统、评分报告）或API服务等，确保产品设计能有效支撑业务目标的达成； （2.3）MVP与迭代规划：秉持敏捷理念，规划最小可行产品，并通过快速实验验证产品假设，为后续迭代优化提供数据依据； 3. 产品落地与优化： （3.1）跨部门协同与驱动：将复杂的业务需求和业务逻辑，转化为清晰、严谨的产品文档，输出产品方案、产品需求文档（PRD）、产品界面原型等，作为产品负责人，驱动数据工程师、数据科学家、研发和业务团队紧密协作，确保产品从设计到开发、测试、上线的全过程高效顺畅； （3.2）生命周期管理：负责产品上线后的全生命周期管理，包括用户培训、运营推广、使用情况监控和反馈收集； （3.3）效果评估与持续迭代：建立数据产品效果评估体系，基于用户反馈和业务数据（如用户活跃度、风险降低率、投资决策效率提升等）量化产品价值，并持续进行产品优化与功能迭代，不断提升产品竞争力和用户满意度。

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。