中国远洋运输集团
架构设计与项目开发岗-AIOPS智能运维
架构设计与项目开发岗-AIOPS智能运维
发布于 大约 16 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
机器学习
深度学习
PyTorch
TensorFlow
AIOps
ELK Stack
AI 估算 · 30k–50k
AI运维稀缺人才，央企平台薪资有竞争力，但相比互联网略保守。
职位详情
关于这个职位
该职位负责中国远洋运输集团智能运维平台（AIOPS）的架构设计与核心开发，涵盖数据采集、异常检测、告警管理、自动化运维等模块
你将运用机器学习、深度学习技术对运维数据进行建模，实现故障预测和根因分析，最终提升运维效率
适合有一定架构经验、希望深耕AI+运维领域的技术人才
最低要求
本科及以上学历，计算机科学、软件工程、电子信息等相关专业
具备AI与机器学习技术，能熟练使用Python/R等语言，掌握机器学习经典算法（如回归分析、聚类、决策树）、深度学习框架（TensorFlow/PyTorch）等知识
运维场景定制算法：熟悉时序预测（LSTM/Transformer用于性能趋势分析）、异常检测（Isolation Forest/One-Class SVM用于故障预警）、强化学习（自动参数调优）等模型，了解相关模型在不同场景下的落地
具备自动化运维能力，熟练使用Shell/Python编写各类运维自动化脚本
掌握Docker/Kubernetes容器化技术，可熟练使用Prometheus+Grafana、Zabbix等工具以及ELK等，构建日志分析和监控体系
具备良好的沟通和理解能力，理解不同运维场景对监控、拨测等方面的需求，能够将应用可用性需求转化为AIOPS设计需求
工作职责
参与智能运维的整体架构设计与规划，结合公司业务需求和技术发展趋势，制定合理的技术方案，确保平台具备高可用性、高性能和可扩展性
负责智能运维平台的开发工作，包括数据采集模块、数据分析模块、告警管理模块、自动化运维模块等功能的编码实现，使用主流的开发框架和工具，保证代码质量和开发效率
与运维团队紧密合作，深入了解运维业务流程，将运维场景和需求转化为具体的功能需求，通过开发实现运维工作的自动化、智能化，提高运维效率，降低运维成本
负责智能运维的数据处理和分析工作，运用大数据技术和机器学习算法，对运维数据进行挖掘和分析，建立运维数据模型，实现故障预测、根因分析等智能化运维功能
监控智能运维平台的运行状态，及时发现和解决平台运行过程中出现的问题，保障平台的稳定运行
定期对平台进行性能优化，提升平台的响应速度和处理能力
参与制定和完善智能运维相关的技术规范、流程和标准，推动团队技术水平的提升
分享技术经验和最佳实践，帮助团队成员共同成长
AI 洞察
优缺点分析
优点
- 涉及前沿AIOPS技术栈（机器学习、深度学习、容器化），技能积累价值高
- 大型央企平台，工作稳定性强，福利保障完善
- 团队有技术分享和最佳实践机制，利于个人成长
- 工作要求全面，需同时处理架构设计和编码实现，技术深度要求高
- 需与运维团队紧密协作，跨部门沟通成本较大
- 适合有一定架构和开发经验、对智能运维和机器学习应用有浓厚兴趣，并希望在大平台长期发展的技术人员
缺点 / 挑战
- 工作强度可能较高，具体加班情况未明确
角色解读
- 向高级架构师或技术专家方向发展，成为AIOPS领域的权威
- 横向拓展到大数据平台或AI平台架构，领导智能化运维团队
- 在大型央企内部获得稳定的职业发展，有机会参与集团数字化转型重大项目
- 设计智能运维平台的整体架构，确保高可用、高性能和可扩展性
- 开发数据采集、分析、告警、自动化运维等核心模块，使用Python和主流框架
- 利用机器学习和深度学习技术对运维数据建模，实现故障预测、根因分析等智能化功能
- 精通Python/R，熟练掌握机器学习经典算法（回归、聚类、决策树）和深度学习框架（TensorFlow/PyTorch）
- 熟悉时序预测、异常检测等运维场景算法，并有实际落地经验
- 掌握Docker/Kubernetes容器化技术，熟练使用Prometheus、Grafana、ELK等监控和日志工具
- 具备良好的沟通能力，能将运维需求转化为技术方案
申请策略
- 了解中远集团的业务背景和数字化转型战略，体现对航运物流行业智能运维的理解
- 准备一个完整的AIOPS项目案例，包括架构图、技术选型、效果指标
- 突出架构设计经验，尤其是高可用、可扩展系统的设计案例
- 强调机器学习在运维场景的落地项目，如时序预测、异常检测等
- 展示容器化和监控工具的实际使用经验，如Docker、Kubernetes、Prometheus等
- 加强Kubernetes和ELK Stack的实操能力
- 补充AIOPS相关理论知识，如根因分析算法、强化学习自动调优
面试指南
- 使用STAR法则：描述情境、任务、行动和结果，突出个人贡献
- 结合具体技术选型和权衡，体现系统性思考和业务理解
- 请描述一个你设计的智能运维系统架构，包括技术选型和设计考虑
- 如何选择异常检测算法？结合实际场景说明
- 如何处理大量监控数据的实时存储和分析？
- 谈谈你对AIOPS未来发展趋势的理解
- 如何保证系统的高可用和扩展性？
- 复习常见的机器学习算法和优化方法，特别是时序预测和异常检测
匹配度报告
64
综合匹配度
央企大平台，前沿AIOPS技术栈，成长空间大，但工作强度和地点灵活性一般。
适合人群
适合追求技术成长、愿意在稳定平台深耕的求职者，对工作地点灵活性要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利65
成长发展80
工作生活50
使命价值60
薪资福利匹配
65中等
薪资未明确披露，但央企平台福利和稳定性较好，整体薪酬处于市场中等水平。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
80较高
技术栈前沿（AIOPS、机器学习、容器化），有技术分享氛围，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、Docker、Kubernetes、Prometheus、ELK
成长机会分享技术经验和最佳实践，帮助团队成员共同成长
业务类型cost_center
工作生活匹配
50较低
仅现场办公，位于上海杨浦区市中心，但未提及弹性工作或WLB政策。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
行业成熟稳定，技术革新积极，但社会价值和使命感信号不突出。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs