主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "公有云机器学习系统工程师-调度方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "后端"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责机器学习系统资源调度的设计和开发，支持火山方舟大模型平台和机器学习平台的产品业务；\n2、负责多机房、多集群环境下的，各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源的最优化编排调度，在严格的多租隔离环境下，支持各种离线训练、在线推理等负载场景的调度需求，并实现整体资源的合理化、最大化利用。",
"requirements_text": "1、熟练掌握Linux环境下的Go/Java/Python等1-2种语言；\n2、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；\n3、熟悉至少一种主流的机器学习框架（TensorFlow / PyTorch 或其他自研框架）；\n4、熟悉 Kubernetes 架构和生态，熟悉 Docker/Containerd/Kata 等容器技术，有丰富的云原生机器学习系统实践和开发经验；\n5、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护；\n6、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n7、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；\n8、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。\n\n加分项：\n1、有大规模集群在离线资源调度相关工作的实践经验，对K8S/Volcano/Yarn/Mesos等一到多个开源项目的调度实现有源码级的理解，熟悉容器化、轻量级虚拟机等相关技术；\n2、熟悉常见调度算法，对多租户Quota治理、抢占、弹性、碎片、潮汐、混部、QoS等一到多个调度问题有深入理解和实践经验，具备较强的解决复杂问题的分析和建模能力，有GPU相关调度经验；\n3、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture (GPU, Accelerators, Networking)，ML for System，Distributed Storage。",
"skills": [AI生成
"Python",
"Java",
"Linux",
"Docker",
"Kubernetes",
"PyTorch",
"TensorFlow",
"CUDA",
"机器学习",
"数据结构",
"分布式系统",
"沟通能力",
"学习能力",
"分析能力",
"建模"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7385593848179755273/detail"
}
]
},
"posting": {
"posting_id": "7385593848179755273",
"post_date": "2024-06-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7385593848179755273/detail"
},
"fulltext": "公有云机器学习系统工程师-调度方向\n职位描述\n1、负责机器学习系统资源调度的设计和开发，支持火山方舟大模型平台和机器学习平台的产品业务；\n2、负责多机房、多集群环境下的，各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源的最优化编排调度，在严格的多租隔离环境下，支持各种离线训练、在线推理等负载场景的调度需求，并实现整体资源的合理化、最大化利用。\n\n职位要求\n1、熟练掌握Linux环境下的Go/Java/Python等1-2种语言；\n2、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；\n3、熟悉至少一种主流的机器学习框架（TensorFlow / PyTorch 或其他自研框架）；\n4、熟悉 Kubernetes 架构和生态，熟悉 Docker/Containerd/Kata 等容器技术，有丰富的云原生机器学习系统实践和开发经验；\n5、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护；\n6、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n7、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；\n8、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。\n\n加分项：\n1、有大规模集群在离线资源调度相关工作的实践经验，对K8S/Volcano/Yarn/Mesos等一到多个开源项目的调度实现有源码级的理解，熟悉容器化、轻量级虚拟机等相关技术；\n2、熟悉常见调度算法，对多租户Quota治理、抢占、弹性、碎片、潮汐、混部、QoS等一到多个调度问题有深入理解和实践经验，具备较强的解决复杂问题的分析和建模能力，有GPU相关调度经验；\n3、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture (GPU, Accelerators, Networking)，ML for System，Distributed Storage。\n1、负责机器学习系统资源调度的设计和开发，支持火山方舟大模型平台和机器学习平台的产品业务；\n2、负责多机房、多集群环境下的，各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源的最优化编排调度，在严格的多租隔离环境下，支持各种离线训练、在线推理等负载场景的调度需求，并实现整体资源的合理化、最大化利用。\n1、熟练掌握Linux环境下的Go/Java/Python等1-2种语言；\n2、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；\n3、熟悉至少一种主流的机器学习框架（TensorFlow / PyTorch 或其他自研框架）；\n4、熟悉 Kubernetes 架构和生态，熟悉 Docker/Containerd/Kata 等容器技术，有丰富的云原生机器学习系统实践和开发经验；\n5、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护；\n6、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n7、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；\n8、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。\n\n加分项：\n1、有大规模集群在离线资源调度相关工作的实践经验，对K8S/Volcano/Yarn/Mesos等一到多个开源项目的调度实现有源码级的理解，熟悉容器化、轻量级虚拟机等相关技术；\n2、熟悉常见调度算法，对多租户Quota治理、抢占、弹性、碎片、潮汐、混部、QoS等一到多个调度问题有深入理解和实践经验，具备较强的解决复杂问题的分析和建模能力，有GPU相关调度经验；\n3、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture (GPU, Accelerators, Networking)，ML for System，Distributed Storage。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}