公有云机器学习系统调度研发工程师 - 火山方舟

岗位职责

团队介绍：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。

1. 负责机器学习系统资源调度的设计和开发，支持火山方舟和机器学习平台的产品业务；
2. 负责多机房、多集群环境下各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源的最优化编排调度，在严格的多租隔离环境下，支持各种离线训练、在线推理等负载场景的调度需求，并实现整体资源的合理化、最大化利用。

任职要求

1. 2027届获得本科及以上学历，计算机、软件工程等相关专业优先；
2. 熟练掌握Linux环境下的Go/Java/Python等1至2种以上语言；
3. 具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；
4. 熟悉至少一种主流的机器学习框架（TensorFlow/PyTorch或其他自研框架）；
5. 熟悉Kubernetes架构和生态，熟悉Docker/Containerd/Kata等容器技术，有丰富的云原生机器学习系统实践和开发经验；
6. 掌握分布式系统原理，参与过分布式系统的设计、开发和维护。

加分项

1. 有集群在离线资源调度相关工作的实践经验，对K8s/Volcano/Yarn/Mesos等一到多个开源项目的调度实现有源码级的深入理解，熟悉容器化、轻量级虚拟机等相关技术；
2. 熟悉常见调度算法，对多租户Quota治理、抢占、弹性、碎片、潮汐、混部、QoS等一到多个调度问题有深入理解和实践经验，具备较强的解决复杂问题的分析和建模能力，有GPU相关调度经验；
3. 有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture（GPU，Accelerators，Networking），ML for System，Distributed Storage。