AI基础设施运维工程师

1、负责算力设备的维护，及时响应和处置问题； 2、负责AI训练/推理集群运维、优化； 3、监控集群资源使用，保障训练任务高效稳定运行； 4、协助算法团队进行训练过程中的问题定位与性能调优； 5、落实训练、推理混合调度能力落地，有效提升资源利用率。

1、计算机相关专业本科及以上学历，相关领域工作经验3年以上； 2、熟悉Kubernetes、Slurm等集群调度系统； 3、掌握GPU/NPU等异构计算资源管理与优化； 4、了解PyTorch、TensorFlow等主流训练框架的分布式原理； 5、具备NCCL、RDMA等高性能网络调优经验者优先； 6、良好的问题分析能力和跨团队协作能力。