{
    "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实习生-Data AML",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "机器学习"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": "2027届本科及以上学历在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\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\n1、分布式编排调度，解决服务/模型训练、推理任务的分布式部署：\n（a）使用/二次开发诸如Kubernetes，Yarn，Mesos，Celery等分布式调度框架，并可以在不同的业务场景下合理选型；依据各框架的特点进行集群的利用率/均匀性的调度策略优化；\n（b）对接/扩展各框架在水平/垂直扩展甚至AutoScaling的工作；参与多集群混合调度（类似K8S中Federation）的适配工作；负责不同优先级服务的抢占/驱逐功能；负责不同集群不同类型资源间的拆借/混部对接工作；负责多机房、多地域、多云场景的调度/负载适配；\n2、资源撮合层，解决多角色之间的资源联合分配问题：从全局角度进行分配率和资源运营效率的优化；解决各种CPU/GPU/其他异构硬件/模型数据/样本数据/外部调用资源间的容量协调和联合匹配；感知拓扑限制，进行微拓扑优化，从而优化整体网络带宽使用；海量资源和多租户的预算/交付联动；保障性资源/预算外资源，以及混部/超卖的场景对接；\n3、参与训练场景的流程/功能需求，诸如阶段性编排，批流阶段封装；提升训练单副本服务的稳定性，如Failover保护；更多的备份点策略；可观测性、可操作性、鲁棒性以及用户体验优化；\n4、参与包括离线到在线同步，数据一致性和更新时效性优化；也包括在线服务多副本的异构资源/稳定性预案的流量调度；模型与服务的动态在线编排和集群间坐落编排。",
        "requirements_text": "1、2027届本科及以上学历在读，计算机、软件工程等相关专业优先；\n2、熟练掌握Linux环境下的Go/Python至少1种编程语言，有良好的编程习惯及编码能力；\n3、熟悉分布式系统原理，有机器学习系统相关实践和开发经验优先；\n4、熟悉开源的分布式调度框架，诸如Kubernetes（K8S），Yarn（Flink，MapReduce），Mesos，Celery，对其中之一有实践积累者优先；\n5、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。",
        "skills": [AI生成
            "Python",
            "Linux",
            "Kubernetes",
            "Flink",
            "机器学习",
            "分布式系统",
            "沟通能力",
            "学习能力"
        ],
        "preferred_qualifications": "1、2027届本科及以上学历在读，计算机、软件工程等相关专业优先；3、熟悉分布式系统原理，有机器学习系统相关实践和开发经验优先；4、熟悉开源的分布式调度框架，诸如Kubernetes（K8S），Yarn（Flink，MapReduce），Mesos，Celery，对其中之一有实践积累者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7595102512913058053/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7595102512913058053",
        "post_date": "2026-01-14",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7595102512913058053/detail"
    },
    "fulltext": "机器学习系统调度编排实习生-Data AML\n职位描述\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\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\n1、分布式编排调度，解决服务/模型训练、推理任务的分布式部署：\n（a）使用/二次开发诸如Kubernetes，Yarn，Mesos，Celery等分布式调度框架，并可以在不同的业务场景下合理选型；依据各框架的特点进行集群的利用率/均匀性的调度策略优化；\n（b）对接/扩展各框架在水平/垂直扩展甚至AutoScaling的工作；参与多集群混合调度（类似K8S中Federation）的适配工作；负责不同优先级服务的抢占/驱逐功能；负责不同集群不同类型资源间的拆借/混部对接工作；负责多机房、多地域、多云场景的调度/负载适配；\n2、资源撮合层，解决多角色之间的资源联合分配问题：从全局角度进行分配率和资源运营效率的优化；解决各种CPU/GPU/其他异构硬件/模型数据/样本数据/外部调用资源间的容量协调和联合匹配；感知拓扑限制，进行微拓扑优化，从而优化整体网络带宽使用；海量资源和多租户的预算/交付联动；保障性资源/预算外资源，以及混部/超卖的场景对接；\n3、参与训练场景的流程/功能需求，诸如阶段性编排，批流阶段封装；提升训练单副本服务的稳定性，如Failover保护；更多的备份点策略；可观测性、可操作性、鲁棒性以及用户体验优化；\n4、参与包括离线到在线同步，数据一致性和更新时效性优化；也包括在线服务多副本的异构资源/稳定性预案的流量调度；模型与服务的动态在线编排和集群间坐落编排。\n\n职位要求\n1、2027届本科及以上学历在读，计算机、软件工程等相关专业优先；\n2、熟练掌握Linux环境下的Go/Python至少1种编程语言，有良好的编程习惯及编码能力；\n3、熟悉分布式系统原理，有机器学习系统相关实践和开发经验优先；\n4、熟悉开源的分布式调度框架，诸如Kubernetes（K8S），Yarn（Flink，MapReduce），Mesos，Celery，对其中之一有实践积累者优先；\n5、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。\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\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\n1、分布式编排调度，解决服务/模型训练、推理任务的分布式部署：\n（a）使用/二次开发诸如Kubernetes，Yarn，Mesos，Celery等分布式调度框架，并可以在不同的业务场景下合理选型；依据各框架的特点进行集群的利用率/均匀性的调度策略优化；\n（b）对接/扩展各框架在水平/垂直扩展甚至AutoScaling的工作；参与多集群混合调度（类似K8S中Federation）的适配工作；负责不同优先级服务的抢占/驱逐功能；负责不同集群不同类型资源间的拆借/混部对接工作；负责多机房、多地域、多云场景的调度/负载适配；\n2、资源撮合层，解决多角色之间的资源联合分配问题：从全局角度进行分配率和资源运营效率的优化；解决各种CPU/GPU/其他异构硬件/模型数据/样本数据/外部调用资源间的容量协调和联合匹配；感知拓扑限制，进行微拓扑优化，从而优化整体网络带宽使用；海量资源和多租户的预算/交付联动；保障性资源/预算外资源，以及混部/超卖的场景对接；\n3、参与训练场景的流程/功能需求，诸如阶段性编排，批流阶段封装；提升训练单副本服务的稳定性，如Failover保护；更多的备份点策略；可观测性、可操作性、鲁棒性以及用户体验优化；\n4、参与包括离线到在线同步，数据一致性和更新时效性优化；也包括在线服务多副本的异构资源/稳定性预案的流量调度；模型与服务的动态在线编排和集群间坐落编排。\n1、2027届本科及以上学历在读，计算机、软件工程等相关专业优先；\n2、熟练掌握Linux环境下的Go/Python至少1种编程语言，有良好的编程习惯及编码能力；\n3、熟悉分布式系统原理，有机器学习系统相关实践和开发经验优先；\n4、熟悉开源的分布式调度框架，诸如Kubernetes（K8S），Yarn（Flink，MapReduce），Mesos，Celery，对其中之一有实践积累者优先；\n5、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。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}