岗位描述
1.性能画像与预测:建模不同硬件、并行配置和资源布局下的吞吐、时延、显存及扩展效率,开展负载与资源需求预测; 2.资源方案推荐:优化资源数量、硬件类型、并行方案及多角色配比,综合考虑业务目标、资源约束和变更成本; 3.调度策略优化:运用运筹优化、启发式搜索、机器学习等方法,优化资源布局、弹性分配、容量池化与复用; 4.实验与落地:结合仿真平台、线上数据和真实测试环境,完成算法评估、工程化及上线验证。 1.具备扎实的概率统计、优化方法和算法基础,在性能建模、资源调度、运筹优化或机器学习等方向有深入实践; 2.熟悉 AI 训练、推理或 RL 系统中的至少一个方向,理解计算、显存、通信和并行策略对性能的影响; 3.熟练使用 Python,具备数据分析、实验设计和算法工程能力,能够建立有效基线并验证实际收益; 4.能从业务目标和系统约束出发定义问题,与系统团队协作推进算法落地。 加分项 1.有 GPU 集群、分布式系统、自动调优或资源调度经验; 2.熟悉主流训练、推理或 RL 框架,有仿真、性能预测或强化学习优化实践; 3.有相关论文、开源贡献,或可量化收益的落地案例。