Unity Technologies
Staff Machine Learning Engineer, ML Infrastructure - Offline
Staff Machine Learning Engineer, ML Infrastructure - Offline
发布于 大约 22 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
学历未注明
软件工程
分布式系统
PyTorch
机器学习流水线
数据流水线
Flyte
AI 估算 · 40k–70k
上海Staff级ML工程师，上市公司，薪资竞争力强，但未明确，综合市场水平估算。
职位详情
关于这个职位
作为Unity的Staff机器学习工程师（离线方向），你将设计和运营大规模离线ML平台，负责训练数据生成、模型训练和实验的基础设施
你将与ML工程师紧密合作，确保流水线的可靠性、可扩展性和性能，推动公司AI驱动决策
最低要求
· 拥有构建大规模ML流水线的丰富经验
· 具备分布式计算框架（如Ray、Spark、Flink）的使用经验，熟悉Ray生态系统（Ray Data、Ray Train）用于分布式数据处理和模型训练
· 有构建训练数据生成、数据集准备或ML特征流水线的基础设施经验
· 深入的设计和运营生产级数据流水线经验
· 扎实的Python编程技能，以及处理大规模分布式工作负载的经验
· 熟悉现代数据基础设施（数据湖、数据仓库、编排系统、流平台）
· 强大的系统思维，能够权衡分布式系统中的性能、可扩展性、可靠性和成本
· 具备在没有正式权威的情况下跨团队领导技术方向和影响架构决策的能力
工作职责
· 设计并运营大规模数据流水线，生成用于机器学习训练和实验的训练数据集
· 开发支持分布式训练工作流的基础设施，使用PyTorch、Ray Data、Ray Train等技术
· 将ML流水线与工作流编排系统（如Flyte、Airflow或类似）集成，以实现可靠的多阶段训练工作流
· 通过数据集验证、监控和自动化测试提高ML流水线的可复现性和可观测性
· 优化用于数据处理和模型训练的分布式计算系统的性能和资源利用率
· 与ML工程师紧密合作，实现高效的大规模实验和模型迭代
· 领导架构改进，确保离线ML流水线保持可扩展、可靠和成本高效
AI 洞察
优缺点分析
优点
- 使用前沿技术栈（Ray、PyTorch等），技术成长空间大
- 公司福利完善，包括股票期权、健康保险、培训发展等
- 离线平台对可靠性和性能要求极高，需要处理海量数据，工作强度可能较大
- 作为Staff工程师，需要较强的技术领导力和跨团队协作能力，但无直接管理权
缺点 / 挑战
- Unity作为游戏引擎巨头，平台规模大，挑战技术深度，能快速提升分布式系统能力
- 适合拥有丰富ML基础设施经验、热爱技术挑战、希望在大型平台实现技术影响力的资深工程师
角色解读
- 在大型互联网公司积累大规模ML基础设施经验，可晋升为首席工程师或架构师
- 深入ML平台领域，成为分布式训练或数据流水线方向的技术专家
- 有机会转向管理岗位，领导ML基础设施团队
- 设计并运营大规模数据流水线，为机器学习训练生成高质量训练数据集
- 开发支持分布式训练的基础设施，使用PyTorch、Ray等框架，并集成工作流编排系统如Flyte或Airflow
- 优化分布式计算系统的性能和资源利用率，确保流水线可扩展、可靠且成本高效
- 与ML工程师紧密合作，推动大规模实验和模型迭代，领导架构改进
- 精通Python及分布式计算框架（Ray、Spark、Flink等），熟悉Ray生态系统
- 深入理解生产级数据流水线设计和运营，包括数据湖、仓库、编排系统
- 强大的系统思维，能够权衡性能、可扩展性、可靠性和成本
- 技术领导力，能够跨团队影响架构决策
申请策略
- 了解Unity的业务和ML平台（Vector），在面试中展现对游戏/实时3D行业ML应用的兴趣
- 由于无relocation和visa赞助，确保自己已具备上海工作资格
- 突出大规模ML流水线或数据流水线的设计和运营经验，最好有具体业绩指标（如吞吐量、延迟改进）
- 强调分布式计算框架（Ray、Spark、Flink）的实际项目经验，尤其是Ray生态
- 展示Python编程能力和系统设计能力，例如曾优化过分布式训练性能
- 体现技术领导力，如推动架构决策或跨团队协作的案例
- 若对Ray不熟悉，可学习Ray Core、Ray Data、Ray Train官方教程及项目实践
- 了解工作流编排系统Flyte或Airflow的基本使用和最佳实践
面试指南
- 使用STAR方法：描述情境、任务、行动和结果，突出技术细节和量化成果
- 对于系统设计问题，先明确需求，再给出架构图，讨论权衡，最后提出优化
- 领导力问题强调沟通、数据驱动和建立共识
- 请描述你设计过的一个大规模ML流水线，包括架构、挑战和优化
- 如何处理分布式训练中的数据倾斜或资源竞争问题？
- 如何确保ML流水线的可复现性和可观测性？
- 你如何权衡分布式系统的成本、性能和可靠性？举例说明
- 在无正式权威的情况下，如何影响其他团队的技术决策？
匹配度报告
72
综合匹配度
大厂ML基础设施岗位，技术栈新，福利好，工作强度未知，适合技术驱动型人才。
适合人群
该职位最适合追求技术成长和薪资回报的求职者，对工作生活平衡要求不极端高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展80
工作生活65
使命价值70
薪资福利匹配
75中等
薪资待遇优厚，福利完善（健康保险、股票、退休计划等），但具体薪资未披露，且无relocation支持。
薪资信号未披露（AI估算：40K-70K/月）
福利待遇Comprehensive health, life, and disability insurance、Commute subsidy、Employee stock ownership、Competitive retirement/pension plans、Generous vacation and personal days、Support for new parents through leave and family-care programs、Office food snacks、Mental Health and Wellbeing programs and support、Employee Resource Groups、Global Employee Assistance Program、Training and development programs、Volunteering and donation matching program
成长发展匹配
80较高
使用主流现代技术（Ray、Spark、PyTorch），培训发展计划明确，技术成长空间大，但晋升路径未明确提及。
技术前沿主流现代技术
技术栈Python、Ray、Spark、Flink、PyTorch、Airflow、Flyte
成长机会Training and development programs
业务类型ambiguous
工作生活匹配
65中等
仅现场办公，地点未明确是否为市区核心，未提及WLB，但假期和福利较好。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
Unity作为游戏行业巨头，业务稳定且技术积极创新，但无明确社会使命导向。
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