AI运维工程师

岗位职责
['负责公司AI大模型训练与推理相关基础设施的规划、部署、运维与优化，包括GPU集群、算力调度与资源管理；', '搭建并维护容器化与编排平台，支持模型训练、推理服务与持续交付流程；', '建立监控、告警、日志与可观测性体系（Prometheus、Grafana、ELK），并对模型训练/推理性能、资源使用、硬件故障进行追踪与优化；', '制定并执行备份、恢复、容量规划与容灾策略；定期进行故障演练与根因分析；', '负责传统IT基础设施的运维（Linux服务器管理、网络设备、存储、虚拟化平台如VMware）；', '与研发、数据科学团队密切合作，支持国内外模型上线、部署发布、性能验证与问题排查。']

岗位要求
['本科及以上学历，3年以上运维经验，计算机、通信、自动化或相关专业，有AI/深度学习平台方向实践经验者优先；', '熟练掌握Linux操作系统管理（内核调优、存储、网络、系统安全、故障排查）；', '熟悉GPU、机器学习技术原理，有GPU硬件运维和调优经验；', '精通网络基础与排查（TCP/IP、VLAN、BGP/OSPF、L3/L4设备、负载均衡、防火墙），能进行链路排障与流量优化；', '具有强烈的工作责任心和自驱力，有良好的学习沟通能力、逻辑分析能力，良好的团队合作精神。']