{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "机器学习系统调度编排工程师 - Data AML",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海·杨浦区·五角场",
        "work_mode": "现场办公",AI生成
        "job_category": "AI平台基础设施研发工程师"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动成立于2012年3月，公司使命为“Inspire Creativity, Enrich Life（激发创造，丰富生活）”。公司业务覆盖150个国家和地区，拥有15万名员工。\n字节跳动在全球推出了多款有影响力的产品，包括今日头条、抖音、西瓜视频、飞书、Lark、PICO、剪映、TikTok等。截至2021年6月，字节跳动旗下产品全球月活跃用户数超过19亿。"
    },
    "compensation": {
        "salary_range": {
            "min": 25000,
            "max": 50000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "定期体检 | 意外险 | 就近租房补贴 | 餐补 | 住房补贴 | 免费健身设施 | 五险一金 | 绩效奖金 | 带薪年假 | 家庭关爱假 | 团建聚餐 | 年度体检 | 补充医疗保险 | 年终奖 | 家属自选保险 | 股票期权"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "分布式训练\nPD分离\n训练编排\n异构资源调度\n并行计算\n模型加速/性能优化\nKubernetes\n多租户\n\n毕业时间:2027年\n\n项目:2027届校园招聘(此为秋招项目,考虑转正实习or日常实习的同学亦可私聊咨询)\nBase地:北京、上海、杭州\n团队介绍:Data AML是字节跳动的机器学习中台,为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力,并在这些业务的问题上研究一些具有通用性和创新性的算法。同时,也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。\n职位描述\n1、ML PaaS方向--编排调度基础设施;\n-1)建设机器学习平台基础编排能力,包括Kubernetes交互层、控制面抽象、CRD/Operator,以及任务和服务生命周期管理;\n-2)建设多租户资源与Quota系统,支持优先级、抢占、公平共享、弹性资源和跨集群资源调度;\n-3)建设容器运行时和有状态服务编排能力,持续优化镜像、存储、网络、资源隔离、故障恢复、容灾与系统SLA。\n2、训练编排方向--训练编排与可靠性;\n-1)对接预训练、SFT、RL等训练和后训练场景,建设任务、Workflow及多角色服务编排能力;\n-2)优化训练可靠性和ETTR,建设故障检测、慢节点诊断、Checkpoint、Failover和弹性恢复能力;\n-3)提升训练工程效能,并支持训练、Rollout、推理、Reward等角色间的资源协同、参数同步和训推共池。\n3、MaaS方向--GPU在线Serving编排;\n-1)建设大模型在线推理服务的全生命周期编排,支持部署、升级、回滚、弹性伸缩、多集群和容灾;\n-2)建设Prefill/Decode分离、多角色推理、拓扑感知、KV Cache亲和性、QoS/SLA和流量调度能力;\n-3)优化模型权重、镜像和KV Cache的分发与加载,并通过资源池化、多租户、弹性和FinOps提升GPU利用率。",
        "requirements_text": "1、2027届获得本科及以上学历,计算机、软件工程、人工智能及相关专业优先;\n2、熟练掌握Go、C++、Python中至少一种语言,具备扎实的数据结构、算法基础和良好的工程编码习惯;\n3、熟悉Linux,理解操作系统、计算机网络、并发编程和分布式系统的基本原理;\n4、具备较强的动手能力和探索精神,愿意深入代码和系统现场分析问题,而不止停留在框架使用或方案设计层面;\n5、具备系统化和定量分析意识,能够通过指标、日志、Profiling、实验或模型定位问题并验证优化效果;\n6、具备责任心、自驱力和良好的协作能力,愿意持续负责复杂系统从设计、开发到上线和稳定运行的完整过程。\n加分项\n满足以下任意一项即可。\n1. ML PaaS方向\n-1)有资源调度、Quota、基于容器的多租户系统或FinOps项目经验;\n-2)参与过Kubernetes、Volcano、Koordinator、Kruise等开源项目;\n2. 训练编排方向\n-1)有PyTorch Distributed、Megatron、DeepSpeed、Ray、Volcano等分布式训练实践,有对应训练框架的可靠性以及性能优化经验更好;\n-2)有训练平台、MLOps、RLHF/PPO/GRPO等强化学习或后训练系统实践;\n-3)有训练系统以及AI集群管理相关科研经历或开源贡献;\n3. MaaS方向\n-1)有vLLM、SGLang、Triton、KServe、Ray Serve等推理系统实践;\n-2)了解大模型推理中的KV Cache、Continuous Batching、Prefill/Decode分离、并行策略等概念;\n-3)有在线服务、网关、流量调度、弹性伸缩、性能优化或大规模高可用系统经验;\n-4)有GPU/NPU Serving、异构资源调度、模型分发或推理性能分析经验。",
        "skills": [AI生成
            "Linux/DevOps/CI-CD",
            "Workflow与任务编排",
            "产品方案与功能设计",
            "分布式/微服务系统设计",
            "大模型原理与能力边界",
            "快速学习与自驱",
            "教育行业知识",
            "模型微调与对齐",
            "模型训练与算法优化",
            "结果导向与Ownership",
            "编程与代码实现",
            "调试排障与技术支持",
            "跨部门/跨团队协作",
            "部署上线与环境配置"
        ],
        "preferred_qualifications": "1、2027届获得本科及以上学历,计算机、软件工程、人工智能及相关专业优先;\n加分项",
        "job_highlights": "在校/应届 | 本科"
    },
    "contact": {
        "recruiter_name": "杨女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/99b590fb593bce500nJ_39i7EVBU.html"
            }
        ]
    },
    "posting": {
        "posting_id": "99b590fb593bce500nJ_39i7EVBU",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/99b590fb593bce500nJ_39i7EVBU.html"
    },
    "fulltext": "分布式训练\nPD分离\n训练编排\n异构资源调度\n并行计算\n模型加速/性能优化\nKubernetes\n多租户\n\n毕业时间：2027年\n\n项目：2027届校园招聘（此为秋招项目，考虑转正实习or日常实习的同学亦可私聊咨询）\nBase地：北京、上海、杭州\n团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今⽇头条/西⽠视频等业务提供推荐/⼴告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算⼒，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。\n职位描述\n1、ML PaaS方向--编排调度基础设施；\n-1）建设机器学习平台基础编排能力，包括Kubernetes交互层、控制面抽象、CRD/Operator，以及任务和服务生命周期管理；\n-2）建设多租户资源与Quota系统，支持优先级、抢占、公平共享、弹性资源和跨集群资源调度；\n-3）建设容器运行时和有状态服务编排能力，持续优化镜像、存储、网络、资源隔离、故障恢复、容灾与系统SLA。\n2、训练编排方向--训练编排与可靠性；\n-1）对接预训练、SFT、RL等训练和后训练场景，建设任务、Workflow及多角色服务编排能力；\n-2）优化训练可靠性和ETTR，建设故障检测、慢节点诊断、Checkpoint、Failover和弹性恢复能力；\n-3）提升训练工程效能，并支持训练、Rollout、推理、Reward等角色间的资源协同、参数同步和训推共池。\n3、MaaS方向--GPU在线Serving编排；\n-1）建设大模型在线推理服务的全生命周期编排，支持部署、升级、回滚、弹性伸缩、多集群和容灾；\n-2）建设Prefill/Decode分离、多角色推理、拓扑感知、KV Cache亲和性、QoS/SLA和流量调度能力；\n-3）优化模型权重、镜像和KV Cache的分发与加载，并通过资源池化、多租户、弹性和FinOps提升GPU利用率。\n职位要求\n1、2027届获得本科及以上学历，计算机、软件工程、人工智能及相关专业优先；\n2、熟练掌握Go、C++、Python中至少一种语言，具备扎实的数据结构、算法基础和良好的工程编码习惯；\n3、熟悉Linux，理解操作系统、计算机网络、并发编程和分布式系统的基本原理；\n4、具备较强的动手能力和探索精神，愿意深入代码和系统现场分析问题，而不止停留在框架使用或方案设计层面；\n5、具备系统化和定量分析意识，能够通过指标、日志、Profiling、实验或模型定位问题并验证优化效果；\n6、具备责任心、自驱力和良好的协作能力，愿意持续负责复杂系统从设计、开发到上线和稳定运行的完整过程。\n加分项\n满足以下任意一项即可。\n1. ML PaaS方向\n-1）有资源调度、Quota、基于容器的多租户系统或FinOps项目经验；\n-2）参与过Kubernetes、Volcano、Koordinator、Kruise等开源项目；\n2. 训练编排方向\n-1）有PyTorch Distributed、Megatron、DeepSpeed、Ray、Volcano等分布式训练实践，有对应训练框架的可靠性以及性能优化经验更好；\n-2）有训练平台、MLOps、RLHF/PPO/GRPO等强化学习或后训练系统实践；\n-3）有训练系统以及AI集群管理相关科研经历或开源贡献；\n3. MaaS方向\n-1）有vLLM、SGLang、Triton、KServe、Ray Serve等推理系统实践；\n-2）了解大模型推理中的KV Cache、Continuous Batching、Prefill/Decode分离、并行策略等概念；\n-3）有在线服务、网关、流量调度、弹性伸缩、性能优化或大规模高可用系统经验；\n-4）有GPU/NPU Serving、异构资源调度、模型分发或推理性能分析经验。"
}