n 负责大模型训练与推理服务器集群的日常维护、监控、部署和容量管理，确保系统稳定、高效运行。

n 负责建立并完善应急预案，快速响应并定位故障；持续分析系统性能瓶颈，推动架构、代码及配置层面的深度优化，提升模型服务效率。

n 与算法、开发、测试团队紧密协作，提升部署、运维效率和标准化水平，高效交付运维需求。

n 参与大模型迭代计划制定，协助验证迭代版本的稳定性与兼容性；

n 主动追踪大模型、AI框架、分布式计算及云原生等前沿技术，保持大模型持续优化，满足客户业务场景的性能要求。

n 学历专业：本科及以上学历，计算机应用技术/信息技术/软件工程/机器学习等相关专业优先；

n 工作年限：1-3年

出差要求：临时短期出差

n 岗位技能：

² 掌握shell脚本编程和python语言编程，能自行编写脚本；

² 熟悉Linux系统运维或DevOps相关工作经验，熟悉Ubuntu系统管理与性能调优；

² 熟悉常用的系统组件和应用组件安装，如显卡驱动、数据库、镜像仓库、模型运行平台等；

² 熟悉容器技术，了解k8s基本原理，能部署和管理GPU工作负载；

² 了解Slurm、KubeFlow 或 AI平台运维经验；

² 沟通协调能力较强，性格开朗，身体素质好，有一定的抗压能力。

n 岗位需求人数：1-2人。