机器学习基础设施工程师

负责机器学习和AI工作负载的GPU平台性能基准和评估，与硬件和工程团队紧密合作，进行GPU性能分析和优化，分析调试训练和推理工作负载以提升效率，开展新GPU集群的验收测试，进行多GPU配置和互连策略的实验，开发内部工具和可视化框架，参与AI和ML环境的最佳实践和基准方法改进。

深厚的机器学习、深度学习架构和AI系统优化理论基础；深入理解大规模神经网络训练和推理的性能优化技术；熟悉PyTorch、JAX、Megatron-LM、TensorRT-LLM等深度学习框架；精通CUDA、NCCL、GPU驱动等GPU技术；具备GPU工作负载分析调试工具使用经验；熟悉Docker和Kubernetes等容器化和分布式环境；具备Python编程和性能开发能力；优秀的独立技术环境工作能力；有LLM推理框架或云ML生态经验者优先。

竞争力薪酬包；灵活远程工作环境；持续学习和成长机会；参与塑造全球AI基础设施的机会；协作创新的工程文化；国际工作环境；快节奏的创新技术环境。

通过AI驱动的匹配流程快速、客观、公平地筛选候选人，最终由企业内部团队决定录用结果。

通过AI驱动的匹配流程筛选候选人，最终由企业内部团队决定录用结果。