阿里巴巴
阿里云智能-大数据&AI平台智能运维算法专家-异常检测/根因定位
阿里云智能-大数据&AI平台智能运维算法专家-异常检测/根因定位
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Aiops
Pytorch
Rag
Tensorflow
因果推断
大模型微调
异常检测
时间序列分析
智能运维
值不值得投
78综合评分
综合评分 78
阿里云核心AIOps团队，技术栈前沿且极具挑战，薪资竞争力强，但工作强度可能较大。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3430 个在招 · 其中机器学习工程 约 190 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 270 个在招
职位详情
关于这个职位
该职位负责构建面向超大规模云环境的智能运维（AIOps）体系，利用机器学习、大模型等技术解决稳定性保障和故障诊断等痛点
你需要完成从需求分析、算法设计到工程化落地的全流程，并探索前沿AI技术在运维场景的应用
最低要求
硕士研究生及以上学历，计算机、软件工程、人工智能等相关专业，5年及以上算法研发经验
具备扎实的机器学习、深度学习算法和统计学基础，熟悉主流预训练模型，熟练掌握Pytorch/Tensorflow等框架
拥有优秀的编程能力，精通Python/Java等至少一门编程语言，具备从算法设计到高质量代码落地的全栈实现能力
理解LLM原理，具备微调、RAG、Agent应用构建的相关经验，熟悉Dify、Langchain等框架
具备完整的算法项目主导经验，能够独立完成需求拆解、问题建模、算法选型、工程实现与上线部署全流程
具备良好的沟通和业务理解能力，能与产品和运维团队协同拆解场景、定义优先级，并对标业界领先实践，推动技术方案真正创造业务价值
对解决挑战性的问题充满激情，能持续参与核心代码研发，有效赋能初级同学，提升团队整体战斗力
工作职责
业务需求分析与算法方案设计：深入理解阿里云大数据与AI平台在稳定性、性能优化、运维提效等方面的运维痛点，识别核心问题场景，明确算法目标与交付边界
将复杂运维场景抽象为可建模的问题，结合业界前沿技术完成技术选型与算法方案设计，相关技术包括但不限于：多维度时间序列异常检测与预测、日志模式提取、聚类与异常识别、关联分析和因果推断、大模型微调（Fine-tuning）与检索增强生成（RAG）、大模型智能体
算法工程化实现与系统建设：按照团队的算法开发工程规范，完成端到端的算法工程化落地，包括数据清洗、特征工程、模型训练与推理流程的设计与开发等
设计并建立算法服务的SLA体系，涵盖准确性、响应延迟、稳定性及可扩展性，支撑高并发、低延迟的线上服务能力
将算法能力集成至智能运维平台，并进行相关产品能力建设，支撑包括变更风险巡检、根因定位、智能答疑等功能模块
算法评估与调优：构建科学的测试验证机制量化评估算法效果
建立离线评测与在线A/B测试联动机制，驱动算法持续优化与产品价值验证
根据实际运行反馈与性能瓶颈，通过参数调优、模型轻量化、计算逻辑重构等方式提升算法效率与准确率
前沿技术探索与体系建设：密切跟踪AIOps、时间序列分析、大模型智能体、强化学习、因果推断、知识图谱等领域的最新进展，积极探索AI新技术在运维场景中的落地可能性，助力打造下一代自治云平台
优先资格
有智能运维（AIOps）领域项目经验者优先，包括时间序列异常检测、日志聚类分析、根因定位、变更风险预测等方向，具备多源异构数据（指标、日志、链路、事件）建模能力
在CCF-A/B类会议（如NeurIPS、ICML、ACL、VLDB等）发表过相关论文者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，涵盖大模型、Agent等最新AI技术，利于个人技术深度与广度的提升
- 超大规模系统的运维场景极其复杂，算法从离线到线上高并发、低延迟的工程化落地难度大
- 适合具备扎实算法基础与工程落地能力，对AIOps和大模型应用有浓厚兴趣，且能在高压环境下解决复杂技术难题的资深算法工程师
缺点 / 挑战
- 依托阿里云超大规模云环境，能接触到海量真实数据和极具挑战性的工程场景
- 需要持续跟踪前沿技术并快速在业务中验证，工作节奏和技术压力较高
角色解读
- 从算法专家向AIOps领域技术架构师或首席科学家发展，主导下一代自治云平台的智能运维体系建设
- 负责阿里云大数据与AI平台的智能运维（AIOps）算法研发，解决稳定性保障和故障诊断等痛点
- 利用机器学习、大模型等技术进行异常检测、根因定位，并完成算法的工程化落地与持续调优
- 扎实的机器学习与深度学习基础，精通Python/Java及Pytorch/Tensorflow框架
- 具备大模型微调、RAG、Agent构建经验，以及时间序列分析和因果推断能力
申请策略
- 了解阿里云智能运维的最新产品和技术博客，准备1-2个具有技术深度的复杂问题排查或算法优化案例
- 突出在AIOps、时间序列异常检测或大模型应用（微调/RAG/Agent）方面的实际落地项目
- 强调从算法设计到工程化上线的全流程主导经验，以及带来的具体业务收益
- 深入学习大模型在运维场景的应用（如Log解析、根因分析），补充因果推断和知识图谱相关知识
- 提升高并发、低延迟系统下的算法工程化部署能力
面试指南
- STAR法则：情境（业务痛点）-> 任务（算法目标）-> 行动（技术选型、工程实现、调优策略）-> 结果（量化指标、业务价值）
- 对于系统设计问题，采用“需求分析-架构设计-核心模块-难点攻克-监控运维”的框架
- 请分享一个你主导的AIOps或时间序列异常检测项目，遇到了哪些技术难点，如何解决的？
- 在超大规模云环境下，如何保证算法服务的低延迟和高可用性？
- 大模型（LLM）在运维场景（如日志分析、根因定位）中有哪些应用？你如何评估其效果？
- 如何设计离线评测与在线A/B测试联动机制来驱动算法持续优化？
- 复习时间序列分析、因果推断及大模型微调/RAG的核心原理
- 准备阿里云AIOps相关的技术背景知识，梳理自己过往项目中的核心代码逻辑和性能优化细节
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
阿里高级算法专家岗位，薪资处于行业头部水平，且上市公司福利体系完善，能较好满足补偿性动机。
薪资信号偏高 (4千–8万/月)
成长发展
90较高
岗位涉及大模型、Agent等前沿技术，且面向超大规模云环境，技术挑战大，成长空间广阔。
技术前沿前沿/新兴技术
技术栈AIOps、LLM、RAG、Agent、Pytorch、Tensorflow、时间序列分析、因果推断
成长机会赋能初级同学、前沿技术探索
业务类型cost_center
工作生活
50较低
JD未提及工作模式与WLB，但高级技术岗位通常工作强度较大，生活化动机满足程度有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
打造下一代自治云平台，推动AI技术在稳定性保障中的应用，具有较高的技术使命感和社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号助力打造下一代自治云平台、推动AI技术在稳定性保障、故障诊断、效率提升等关键场景中的创新应用
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs