PaaS运维工程师-AI基础设施方向

优缺点分析

角色解读

• 从运维工程师向AI基础设施专家发展，深入GPU集群优化和LLMOps领域
• 可转向AI平台架构师，负责整体AI基础设施的规划与设计
• 在央企内部有稳定的晋升通道，可向技术管理或专家路线发展
• 负责大规模GPU集群的构建与优化，提升训练效率和集群利用率
• 监控和诊断训练任务，实现自动化运维和故障自愈
• 集成和优化高性能训练推理框架，如Megatron-LM、DeepSpeed、vLLM等
• 加速数据加载和Checkpoint保存恢复，解决I/O瓶颈
• 熟悉Linux内核和常用命令，具备系统级问题排查能力
• 熟悉Kubernetes生态，能够管理容器化部署
• 了解GPU/NPU硬件及CUDA/CANN生态，具备性能调优基础
• 熟悉PyTorch、vLLM等训练推理框架，了解其工作原理

申请策略

• 关注中国电信的校园招聘时间，提前准备笔试和面试
• 了解公司AI基础设施布局，在面试中展现对业务的思考
• 突出Linux系统管理、Kubernetes相关项目经验
• 强调GPU编程或AI框架使用经历，如PyTorch、CUDA
• 展示对分布式系统或高性能计算的理解
• 提及任何自动化运维或监控系统的开发经验
• 深入学习Kubernetes架构和运维实践
• 熟悉GPU编程和性能优化，掌握CUDA或CANN基础

面试指南

• 对于技术问题，采用STAR法则：情境、任务、行动、结果，结合具体项目经验
• 对于设计类问题，从需求分析、架构设计、技术选型、实施步骤逐步展开
• 对于概念性问题，先定义概念，再说明重要性，最后举例说明
• 请描述你如何排查一个Kubernetes集群中的Pod调度失败问题
• 谈谈你对GPU集群性能优化的理解，有哪些关键指标？
• 你熟悉哪些训练推理框架？如何选择？
• 如何设计一个训练任务的监控告警系统？
• 你对LLMOps有什么了解？