通义通义实验室-机器资源管理专家-杭州/北京
任职要求
1. 本科及以上学历，3年以上互联网技术资源或项目的运营或管理相关工作经验。 2. 熟悉云厂商资源管理、服务计量计费模型、成本监控和优化工具，有云资源成本管理/治理/解决方案实战经验者优先。 3. 熟练使用数据分析工具（excel、sql等…
工作职责
1. 为部门训练的资源管理负责，包括但不限于保障算法训练效率和资源利用率下的算力、存储、网络等的组合弹性交付、跨团队协同沟通等。 2. 为部门使用的云产品制定通用/专项优化方案，并推动部门协作，持续跟踪和落地优化目标。 3. 为部门推理成本的优化负责，包括但不限于梳理供需各环节使用情况和效率确保可观测可追溯、跨团队协同制定优化优先级和方案、推动对应角色执行以落地对应的优化目标等。
1. 负责机器学习平台的资源调度系统设计与优化，提升集群资源利用率。 2. 构建和维护大规模算力集群，支撑大规模分布式训练、推理等多样化 AI 工作负载，保障高可用与高性能运行。 3. 与算法和工程团队协作，优化训练任务调度策略，针对 GPU 计算、显存、互联带宽等关键路径进行性能调优，降低训练成本与时间。 4. 建设覆盖硬件、驱动、调度链路的全栈可观测体系，基于监控数据驱动资源优化与容量预测决策。 5. 开发自动化运维工具，实现任务调度、监控告警与故障自愈能力。 6. 跟踪业界前沿技术，持续改进集群管理与调度架构。
1、负责挖掘机多自由度机械臂的运动学、动力学建模，设计并实现运动控制算法（轨迹规划、逆运动学求解、力/位混合控制等）； 2、负责液压运动控制系统的轨迹控制器开发、调优、嵌入式移植及产品化落地，解决液压系统固有的响应延迟、非线性、死区特性等控制难题； 3、研究并应用机器学习/深度学习方法融合到传统控制框架中，构建数据驱动或模型混合的智能控制策略，重点攻克以下课题： （1）液压系统时变延迟的在线辨识与自适应补偿； （2）控制特性随油温、负载、磨损等工况变化的鲁棒适应问题（如基于学习的参数自整定、域自适应）； （3）利用强化学习（RL）/ 模仿学习等方法优化挖掘机复杂作业场景下的运动控制策略； （4）搭建仿真-实机闭环验证流程（Sim-to-Real），推动基于学习的运动控制模型从离线训练到实车部署的全链路落地；
1、负责挖掘机多自由度机械臂的运动学、动力学建模，设计并实现运动控制算法（轨迹规划、逆运动学求解、力/位混合控制等）； 2、负责液压运动控制系统的轨迹控制器开发、调优、嵌入式移植及产品化落地，解决液压系统固有的响应延迟、非线性、死区特性等控制难题； 3、研究并应用机器学习/深度学习方法融合到传统控制框架中，构建数据驱动或模型混合的智能控制策略，重点攻克以下课题： 4、液压系统时变延迟的在线辨识与自适应补偿； 5、控制特性随油温、负载、磨损等工况变化的鲁棒适应问题（如基于学习的参数自整定、域自适应）； 6、利用强化学习（RL）/ 模仿学习等方法优化挖掘机复杂作业场景下的运动控制策略； 7、搭建仿真-实机闭环验证流程（Sim-to-Real），推动基于学习的运动控制模型从离线训练到实车部署的全链路落地；
我们专注于大数据之上的机器学习算法研究与应用，如果你了解机器学习、深度学习、强化学习、迁移学习、主动学习、特征提取与稀疏学习、等级学习等相关知识，对人工智能抱有极大的热情，勇于挑战各种实际应用难题，欢迎加入我们！ 具体职责包括但不限于： 1、负责机器学习、深度学习领域的技术研发工作，包括但不限于神经元网络模型设计与优化、强化学习、迁移学习、主动学习、维度降低、核方法、谱方法、特征提取与稀疏学习、等级学习、推荐、随机优化等的算法和系统研发等。 2、负责机器学习尤其是深度学习前沿问题的探索与研究，结合未来实际应用场景，提供全面的技术解决方案。 3、负责提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能。 4、负责提供大数据分析建模方案，沉淀行业解决方案，协助拓展业务边界。