工作职责：1.参与建设AI算力云原生平台，提供高性能、高稳定性、高易用性加速计算平台。
2.参与 Kubernetes 调度策略定制与批处理调度器扩展开发，支持AI训练任务的优先级管理、资源抢占、弹性伸缩，适配分布式训练的算力调度需求。
3.优化GPU资源全生命周期管理，包括分配、隔离、监控、容错等，结合业务特征设计智能调度策略，平衡算力供给与成本控制。
4.参与大规模 AI 训练任务故障诊断与自愈体系的设计与实现，基于硬件、通信指标监控和事件分析，设计智能告警与根因定位系统，快速识别任务异常并进行故障隔离。
5.在导师指导下探索业界最新技术方向，参与开源社区实践，提升团队云原生 AI 核心竞争力。

岗位要求：
1. 计算机/人工智能/软件工程等相关专业； 2. 熟悉后端服务开发，熟悉Golang和Python编程语言，有良好的编程规范意识，能独立完成服务接口与交互逻辑开发； 3. 掌握kubernetes基本工作原理，熟悉Volcano、Kubeflow、Argo等相关AI云原生框架者优先；有相关课程设计、项目实践经验者可优先考虑； 4. 有基本的数据检索和分析能力，掌握SQL语法，熟悉时间序列数据库及其查询语言（如PromQL）优先； 5. 对后端开发和分布式系统领域有浓厚兴趣，关注行业技术动态，有持续学习和提升技术能力的意愿； 6. 具有较强的学习能力和问题解决能力，能够快速掌握新技术，独立分析和解决模块开发过程中遇到的问题；