{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "机器学习数据系统实习生-Data AML",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "上海",
        "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、负责超大规模机器学习系统中数据链路的构建，解决系统高并发、高可靠性、高可扩展性等技术难关；\n2、面向深度学习模型的数据存储引擎：针对深度学习模型特性，突破传统行存/列存格式限制，设计并实现适配深度学习场景的专用存储结构，追求性能与成本的极致优势；\n3、面向深度学习模型的数据读取和缓存体系：针对深度学习模型的数据访问IO Pattern，构建多层的缓存体系，在CPU和GPU侧构建近计算的缓存和数据预读取方案，显著提高数据访问吞吐，降低延迟；\n4、高效的数据预处理引擎：通过解耦数据预处理与模型计算，设计兼容多数据格式的高效预处理引擎，集成算子下推能力，大幅提升预处理效率；\n5、前瞻技术探索落地：跟踪机器学习数据链路前沿技术（如新型存储结构、异构计算系统、硬件创新、编译优化技术等），推动技术调研与工程落地；\n6、算法-系统联合优化：与算法团队深度协同，推进算法与系统的联合优化，持续提升系统对业务的支撑能力。",
        "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C/C++、Python语言；\n3、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；\n4、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；\n5、熟悉分布式存储的一致性、可靠性、高性能、成本优化等方向；\n6、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；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、熟悉至少一种主流的机器学习框架（PyTorch/TensorFlow）；\n2、有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture （GPU, Accelerators, Networking）；\n3、在大模型或推荐模型领域，参与过大影响力的项目或论文。",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "数据结构",
            "分布式系统",
            "可靠性",
            "沟通能力",
            "学习能力",
            "大语言模型"
        ],
        "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；加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7595103042535622917/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7595103042535622917",
        "post_date": "2026-01-14",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7595103042535622917/detail"
    },
    "fulltext": "机器学习数据系统实习生-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、负责超大规模机器学习系统中数据链路的构建，解决系统高并发、高可靠性、高可扩展性等技术难关；\n2、面向深度学习模型的数据存储引擎：针对深度学习模型特性，突破传统行存/列存格式限制，设计并实现适配深度学习场景的专用存储结构，追求性能与成本的极致优势；\n3、面向深度学习模型的数据读取和缓存体系：针对深度学习模型的数据访问IO Pattern，构建多层的缓存体系，在CPU和GPU侧构建近计算的缓存和数据预读取方案，显著提高数据访问吞吐，降低延迟；\n4、高效的数据预处理引擎：通过解耦数据预处理与模型计算，设计兼容多数据格式的高效预处理引擎，集成算子下推能力，大幅提升预处理效率；\n5、前瞻技术探索落地：跟踪机器学习数据链路前沿技术（如新型存储结构、异构计算系统、硬件创新、编译优化技术等），推动技术调研与工程落地；\n6、算法-系统联合优化：与算法团队深度协同，推进算法与系统的联合优化，持续提升系统对业务的支撑能力。\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C/C++、Python语言；\n3、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；\n4、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；\n5、熟悉分布式存储的一致性、可靠性、高性能、成本优化等方向；\n6、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；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、熟悉至少一种主流的机器学习框架（PyTorch/TensorFlow）；\n2、有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture （GPU, Accelerators, Networking）；\n3、在大模型或推荐模型领域，参与过大影响力的项目或论文。\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、负责超大规模机器学习系统中数据链路的构建，解决系统高并发、高可靠性、高可扩展性等技术难关；\n2、面向深度学习模型的数据存储引擎：针对深度学习模型特性，突破传统行存/列存格式限制，设计并实现适配深度学习场景的专用存储结构，追求性能与成本的极致优势；\n3、面向深度学习模型的数据读取和缓存体系：针对深度学习模型的数据访问IO Pattern，构建多层的缓存体系，在CPU和GPU侧构建近计算的缓存和数据预读取方案，显著提高数据访问吞吐，降低延迟；\n4、高效的数据预处理引擎：通过解耦数据预处理与模型计算，设计兼容多数据格式的高效预处理引擎，集成算子下推能力，大幅提升预处理效率；\n5、前瞻技术探索落地：跟踪机器学习数据链路前沿技术（如新型存储结构、异构计算系统、硬件创新、编译优化技术等），推动技术调研与工程落地；\n6、算法-系统联合优化：与算法团队深度协同，推进算法与系统的联合优化，持续提升系统对业务的支撑能力。\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C/C++、Python语言；\n3、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；\n4、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；\n5、熟悉分布式存储的一致性、可靠性、高性能、成本优化等方向；\n6、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；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、熟悉至少一种主流的机器学习框架（PyTorch/TensorFlow）；\n2、有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture （GPU, Accelerators, Networking）；\n3、在大模型或推荐模型领域，参与过大影响力的项目或论文。",
    "standard_classification": {
        "std_category_code": "T016",
        "std_aux_codes": [
            "T014"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}