主分类：云基础设施与系统软件研发
辅助：AI训练推理与计算优化（仅展示）
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": "资深 AI 工程师（机器学习平台方向）",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "技术中心",
"location": "广州市",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责企业级云原生机器学习平台建设，支撑模型开发、训练、部署、上线全生命周期管理；\n2、负责机器学习平台核心组件落地与优化，包含分布式训练调度、模型版本管理、模型服务化推理部署；\n3、负责 GPU 算力集群精细化运营，通过资源调度、弹性伸缩、异构算力管理，优化大模型训练 / 推理成本；\n4、搭建平台监控、告警、可观测体系，保障机器学习集群及业务系统高可用、高稳定；\n5、对接算法、业务团队，拆解需求并提供 MLOps 标准化平台解决方案。",
"requirements_text": "1、熟练掌握 K8s 大规模集群运维管理，精通容器、镜像、存储、网络，熟悉云原生 CI/CD、服务网格主流工具链；\n2、具备完整 MLOps 平台落地经验，熟悉 Kubeflow、MLflow、Ray 至少一种生态工具；\n3、熟悉 TensorFlow / PyTorch 主流框架，了解分布式训练基础原理、模型部署与推理优化常规方案；\n4、有 GPU 集群运维、算力资源调度、显存 / 算力隔离管控实战经验，懂 GPU 业务负载特性；\n5、熟练掌握 Python，了解 Go 更佳，具备良好分布式系统工程设计与问题排查能力；\n6、具备良好跨团队沟通、抗压能力，能独立负责平台模块建设。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"分布式系统",
"Go"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=76120&lang=zh"
}
]
},
"posting": {
"posting_id": "76120",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=76120&lang=zh"
},
"fulltext": "资深 AI 工程师（机器学习平台方向）\n职位描述\n1、负责企业级云原生机器学习平台建设，支撑模型开发、训练、部署、上线全生命周期管理；\n2、负责机器学习平台核心组件落地与优化，包含分布式训练调度、模型版本管理、模型服务化推理部署；\n3、负责 GPU 算力集群精细化运营，通过资源调度、弹性伸缩、异构算力管理，优化大模型训练 / 推理成本；\n4、搭建平台监控、告警、可观测体系，保障机器学习集群及业务系统高可用、高稳定；\n5、对接算法、业务团队，拆解需求并提供 MLOps 标准化平台解决方案。\n\n职位要求\n1、熟练掌握 K8s 大规模集群运维管理，精通容器、镜像、存储、网络，熟悉云原生 CI/CD、服务网格主流工具链；\n2、具备完整 MLOps 平台落地经验，熟悉 Kubeflow、MLflow、Ray 至少一种生态工具；\n3、熟悉 TensorFlow / PyTorch 主流框架，了解分布式训练基础原理、模型部署与推理优化常规方案；\n4、有 GPU 集群运维、算力资源调度、显存 / 算力隔离管控实战经验，懂 GPU 业务负载特性；\n5、熟练掌握 Python，了解 Go 更佳，具备良好分布式系统工程设计与问题排查能力；\n6、具备良好跨团队沟通、抗压能力，能独立负责平台模块建设。\n1、负责企业级云原生机器学习平台建设，支撑模型开发、训练、部署、上线全生命周期管理；\n2、负责机器学习平台核心组件落地与优化，包含分布式训练调度、模型版本管理、模型服务化推理部署；\n3、负责 GPU 算力集群精细化运营，通过资源调度、弹性伸缩、异构算力管理，优化大模型训练 / 推理成本；\n4、搭建平台监控、告警、可观测体系，保障机器学习集群及业务系统高可用、高稳定；\n5、对接算法、业务团队，拆解需求并提供 MLOps 标准化平台解决方案。\n1、熟练掌握 K8s 大规模集群运维管理，精通容器、镜像、存储、网络，熟悉云原生 CI/CD、服务网格主流工具链；\n2、具备完整 MLOps 平台落地经验，熟悉 Kubeflow、MLflow、Ray 至少一种生态工具；\n3、熟悉 TensorFlow / PyTorch 主流框架，了解分布式训练基础原理、模型部署与推理优化常规方案；\n4、有 GPU 集群运维、算力资源调度、显存 / 算力隔离管控实战经验，懂 GPU 业务负载特性；\n5、熟练掌握 Python，了解 Go 更佳，具备良好分布式系统工程设计与问题排查能力；\n6、具备良好跨团队沟通、抗压能力，能独立负责平台模块建设。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}