AI 训练系统工程师

【岗位职责】 核心职责 1、建设训练流水线，关联代码、数据、配置和运行环境，支持实验追踪、产物归档及结果复现。 2、优化数据读取、预处理与训练衔接，定位算力等待、存储吞吐和内存瓶颈，缩短有效实验周期。 3、根据模型规模和资源需求支持多卡及分布式训练，分析计算、通信和显存开销，验证优化收益。 4、完善任务提交、检查点、失败恢复和异常诊断机制，减少重复计算并记录资源使用和实验成本 5、与算法团队共同接入训练及评测任务，将工程能力沉淀为可复用组件，支持新模型和新数据接入。 【任职要求】 1. 在分布式系统、并行计算、机器学习系统、计算机体系结构或高性能计算等方向具备扎实基础，熟练使用 Python 和 Linux。 2. 深入理解 PyTorch 等训练框架的执行机制，能够阅读和分析数据加载、自动求导、显存管理、通信及检查点相关代码。 3. 熟悉 DDP、FSDP、DeepSpeed、Mega…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 24834 个上海岗位（全城各职能合计），其中 1212 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 8K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 113K。