云原生大模型训练平台工程师
岗位摘要
基于Kubernetes构建稳定、可扩展的大模型训练平台，实现GPU算力资源的自动化管理与高效调度；通过自动化手段，保障内部超大规模训练任务的高效运行；优化训练作业调度器，优化拓扑感知、抢占与弹性扩缩容
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 基于Kubernetes构建稳定、可扩展的大模型训练平台，实现GPU算力资源的自动化管理与高效调度
- 通过自动化手段，保障内部超大规模训练任务的高效运行
- 优化训练作业调度器，优化拓扑感知、抢占与弹性扩缩容
- 跟进云原生领域前沿技术，优化云原生异构资源编排
任职要求
- 拥有良好的代码开发习惯，熟练掌握Golang，具备基础的全栈能力，有代码洁癖者优先
- 精通K8s核心组件（Scheduler, Kubelet, Operator），有生产环境下的大规模集群运维或开发经验
- 掌握可观测性理念，熟悉prometheus/opentelemetry
- 快速学习能力，能够独立思考和解决问题
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。