岗位职责：
1、 基础设施管理：负责用户现场虚拟机、Kubernetes集群及中间件资源的维护与管理，包括Linux操作系统与开源组件的部署、资源扩容、配置变更等日常运维操作。
2、 平台发版与上线支持：负责业务平台在正式环境的版本发布评审与操作实施。
3、 故障处理与恢复：快速响应系统及开源组件的异常事件，准确诊断问题根源，实施有效修复措施，最大限度减少服务中断时间，提升系统可用性。
4、 算力资源管理：根据用户需求，完成算力资源的纳管与释放，确保资源可监控、可调度、可管理。
5、 模型评测：对模型在不同算力设备上的运行表现进行模型性能、基准能力、行业能力的评估，输出评测数据，评估模型适配的硬件资源类型，支持模型部署决策。
6、 模型部署支持：根据业务需求，完成模型的部署工作，包括资源配置建议、镜像打包、部署验证及性能指标跟踪。
7、 模型运行监控：实时监控模型运行状态，包括准确性、响应时间、资源占用等关键指标；定期开展模型健康检查和性能拨测，识别瓶颈并推动优化改进。 任职要求：
1、 计算机相关专业，大学本科或以上学历；
2、 具备3年以上Linux运维工作，精通linux环境下的日常运维工具，并具备安装、配置及排障能力；
3、 熟悉Docker\Kubernetes等生态圈项目，如容器集群、监控、日志、存储等部署方案；
4、 熟练使用shell、python等语言进行运维工具或自动化脚本的编写；
5、 优先考虑掌握NVIDIA系列卡的大模型部署，熟悉大模型在海光K100、华为910B等国产算力卡的应用部署；
6、 优先考虑熟练使用至少一种主流Al训练框架，如TensorFlow、PyTorch、Caffe等；
7、 具备较强的运维意识以及自我驱动和学习能力。