核心职责:
1、平台功能开发与定制：补充平台未开源的核心模块，定制开发企业级权限管理、多租户隔离等功能。
2、工作流与任务编排：使用 Argo Workflows 设计和实现复杂的机器学习任务流水线（DAG）。
3、训练算子与框架支持：开发和优化 Kubeflow 中的分布式训练算子（如 TFJob, PyTorchJob），支持多种深度学习框架。
4、GPU与计算资源管理：负责大规模GPU集群的智能调度、性能优化和虚拟化（如vGPU）管理，提升资源利用率。
5、系统集成与性能优化：将平台与企业内部系统（如数据中台、认证系统）集成，并持续优化平台在大规模任务下的稳定性和效率。
岗位要求：
1、硬性条件：
本科及以上学历，计算机相关专业。
3年以上Kubernetes开发经验，2年以上机器学习平台开发经验。
2、核心技术栈：
精通 Kubeflow：熟悉其Pipeline、训练算子（TFJob/PyTorchJob）和CRD开发。
精通 Argo Workflows：具备复杂工作流（DAG）编排和调试能力。
深度掌握GPU调度：熟悉Volcano调度器、NVIDIA设备插件（Device Plugin）和DCGM监控工具。
3、核心能力：
熟悉主流分布式训练框架（TensorFlow, PyTorch）。
具备云原生技术栈和CNCF生态的扎实基础。
拥有MLOps平台架构设计和性能调优的能力。
4、优先考虑（加分项）：
有 Kubeflow 或其他MLOps平台二次开发的实际经验。
拥有 大模型（LLM）分布式训练或推理部署 的经验。
在 CNCF 相关开源项目 中有贡献记录。