职位&公司对比

职位详情

• 北京
• 5-10年
• 硕士

• 发表算法相关优秀论文
• C/C++
• 推理训练优化部署
• 数据闭环
• 微服务开发
• 分布式训练
• 大模型算法
• 参加算法相关竞赛/获奖
• 并行计算
• 数据挖掘
• Python

AI／机器学习平台方向有多个细分方向： 1.数据闭环 1）搭建高效的数据闭环系统，支持自动驾驶系统的快速迭代。 2）数据闭环系统的建设，开发数据筛选、数据挖掘、数据检索、数据质检的工具链，支撑大规模数据的自动化处理； 3）算法评测系统的建设，开发回灌测试、场景建设、问题分析的工具链，加速算法的快速迭代验证； 模型训练部署系统的建设，开发模型训练、量化、转换、部署、测试的端到端自动化工作流，加速算法从研究到落地的转化。 具备三者其一以上即可 2.训练优化部署 1）大规模分布式训练的性能优化，包括数据读取、算子优化、通信优化、显存优化等，加快训练速度，提升训练系统稳定性和资源利用效率； 2） 持续分析&优化大规模多机集群的训练性能，与基础设施同事优化训练系统的整体效率和稳定性； 3.推理部署 1) 负责服务端模型推理系统建设，开发高效的模型推理框架； 2) 开发大规模集群计算任务调度框架，提升集群算力的利用率； 3) 参与算法数据闭环直聘流水线的端到端性能优化，优化数据生产/处理、标注重建、回灌测评等环节的性能，加速算法迭代； 4) 打造贯通数据、训练、模型、部署、测评等环节的自动化机器学习系统，加速算法闭环落地； 4.GPU算法优化（高性能计算） 性能分析与优化：深入分析和优化GPU应用程序，识别并消除性能瓶颈，包括内存访问BOSS直聘模式、线程调度和执行效率。 算法开发：利用C来自BOSS直聘UDA或DirectX等并行计算框架，开发和实现高效的GPU加速算法，提升计算密集型任务的处理速度。 加分项： 具备高性能计算（HPC）领域的相关研究经验。 对机器学习框架如TensorFlow或PyTorch有深入的GPU优化经验。 使用Orin或Xavier平台进行AI模型部署和优化，以及kanzhun开发自动驾驶相关算法的实战经验。 具有NVIDIA GPU和CUDA编程的经验。 欢迎打招呼沟通交流细节！ 数据闭环 训练优化部署 推理部署 GPU算法优化（高性能计boss算） 等多个方向均有HC，欢迎打招呼沟通交流细节！