机器学习平台研发工程师

Job description

• 建设特征/样本工程，设计包括从特征打印到特征服务的完整实时+离线特征/样本生产流程，设计大规模分布式特征存储系统，支撑百亿级数据实时处理，提升特征/样本的生产效率、质量和访问性能，进而提升算法迭代效率和效果；
• 对算法开发过程进行抽象，将常用的机器学习、深度学习过程沉淀为组件，建设算法开发pipeline，设计代码与可视化组件相结合的编程范式，提供便捷稳固的一站式环境托管，提升算法迭代效率；
• 建设训练任务的托管能力，设计异构、多地域、多系统资源池、多租户分组的实验编排调度系统，建立模型实验效果评估体系，支撑几十个业务线、千级模型同时进行训练，保障模型及时产出，提升资源利用率，帮助业务优化模型效果；
• 探索云原生下的模型服务部署架构，设计高可用、多角色的模型服务框架，制定流量分发、模型/服务治理策略，支撑万亿级推理调用量，提升模型部署成功率、推理请求成功率和性能； 1.计算机基础知识良好，熟悉Java/Python/C++之一，对机器学习感兴趣； 2.对后台开发技术栈有深刻理解，有较强抽象能力，有大型系统开发经历； 2.具有主流深度学习引擎和大数据计算引擎（包括但不限于TensorFlow/PyTorch、Spark/Flink、Hudi/Iceberg等）的实际应用经验和原理了解，有引擎优化或平台化的经历； 4.有较强的技术好奇心和自驱力，了解行业最佳实践。
• 能参与特征、样本、算法开发、训练、推理全流程的算法工程实践；
• 万亿级请求量线上服务的高可用挑战；
• 参与大模型算法工程建设；
• 从平台视角，观察体验丰富的业务场景，覆盖美团外卖、酒旅、配送、优选等多领域业务，从数据规模、集群体量、算法和业务复杂度多个维度提供了技术挑战和锻炼发展的机会。