服务器AI调优开发(J18875)

优缺点分析

角色解读

• 从初级调优开发成长为AI性能优化专家，深入模型与硬件协同优化
• 可向AI架构师、技术负责人方向发展，负责整体性能策略
• 在AI模型优化领域深耕，参与行业标准制定或前沿研究
• 负责在国产GPU平台上对AI模型进行适配，分析性能瓶颈并实施优化
• 开发和维护用于AI模型调优、部署的平台工具，提升工作效率
• 编写完善的技术文档，记录模型优化过程和部署方案
• 跟踪模型压缩、加速等前沿技术，探索在实际项目中的应用
• 熟练掌握Python编程，具备良好的代码风格和工程能力
• 理解机器学习/深度学习理论，熟悉主流模型架构如CNN、Transformer等
• 了解模型量化、剪枝、知识蒸馏等压缩技术的基本原理和实践
• 熟练使用Linux操作系统，能管理计算、存储和网络资源

申请策略

• 研究新华三在AI服务器、智能计算方面的业务布局和技术产品
• 准备展示自己在性能优化方面的具体成果，如优化前后指标对比
• 突出Python项目经历，尤其是涉及性能优化、模型训练或部署的案例
• 列举机器学习/深度学习相关课程、竞赛或开源贡献，展示理论基础
• 强调Linux环境下的开发经验，如使用Shell、性能分析工具等
• 如有模型压缩、GPU编程相关经历，务必重点描述
• 深入学习模型量化、剪枝等具体技术，尝试在开源模型上实践
• 熟悉国产GPU平台（如华为昇腾、寒武纪）的开发工具和适配流程

面试指南

• 使用STAR方法（情境、任务、行动、结果）描述过往优化经历，强调技术选型和效果
• 结合理论解释技术概念，如量化原理，并联系实际项目经验
• 强调学习能力和团队协作，展示快速适应技术栈和解决问题的思路
• 请描述你如何进行AI模型的性能分析和瓶颈诊断？
• 你了解哪些模型压缩技术？请举例说明其应用场景
• 在Linux环境下，你常用哪些工具进行性能调试？
• 如何平衡模型性能优化与推理速度/精度的 trade-off？
• 你如何跟踪行业最新技术进展？并举例说明应用到项目的过程