职位描述
1. 同AI大模型客户沟通交流，深入了解客户需求，提供专业的技术解决方案，帮助客户实现业务目标。
2. 协助客户排查和解决AI云使用过程中的各种问题，包括但不限于服务中断、性能降低、性能调优以及代码级问题的定位和解决，确保用户获得最佳的使用体验。
3. 负责AI大模型训练和推理过程的程序性能分析，识别瓶颈并进行优化，以提高模型的运行效率和准确性。
4. 参与AI云平台的系统架构设计与优化，确保平台能够高效地支持大规模AI模型的训练和部署。
5. 负责监控和维护AI云服务的正常运行，包括定期进行系统健康检查和风险评估，确保服务的稳定性和安全性。
6. 撰写技术文档和使用手册，并为客户提供培训和技术指导，帮助客户及团队成员更好地理解和使用AI云服务。任职要求
1. 学历与经验要求：
- 本科及以上学历，计算机科学、软件工程、人工智能相关专业优先。
- 具备3年以上AI或GPU云计算领域的工作经验，有大规模GPU分布式系统参与经验者优先。
2. 技术能力：
- 有GPU服务器使用及维护经验。
- 熟悉主流深度学习框架（如TensorFlow, PyTorch等）及其模型训练和推理流程。
- 深入理解GPU超算技术和架构，具备GPU超算架构设计和优化能力。
- 深入理解GPU云计算技术，具备GPU云服务架构设计和优化能力。
- 掌握k8s、slurm在GPU服务器集群的部署和使用。
- 有推理平台建设经验。
- 精通性能分析和性能调优工具及方法。
3. 问题解决能力：
- 优秀的问题诊断和解决技巧，能够快速响应和处理突发事件。
- 具备较强的代码分析和调试能力，能够迅速定位并解决代码级问题。
4. 沟通与协作能力：
- 具有优秀的沟通能力，能够与客户进行技术交流，理解并挖掘客户的需求。
- 具备良好的团队合作精神，能够与跨职能团队协调合作，共同实现项目目标。
5. 文档与培训能力：
- 具备撰写技术文档和使用手册能力，能够将复杂的技术概念转化为易于理解的材料。
- 能够为客户及团队成员提供有效的技术培训和指导。
6. 个人素质：
- 积极主动，具有较强的责任心和抗压能力。
- 具备良好的学习意识和创新能力，愿意持续关注最新的AI和云服务技术动态。
