百度百舸-机器学习平台研发（实习）（J105000）

优缺点分析

角色解读

• 从实习工程师起步，逐步成长为AI基础设施领域的专家，参与核心系统设计与研发
• 在百度智能云百舸团队，可深入了解AI与云计算结合的前沿技术，未来可向技术专家或技术管理方向发展
• 积累大规模分布式系统、GPU集群调度等稀缺经验，为职业发展奠定坚实基础
• 参与大规模AI计算集群基础设施的设计与研发，支撑内部业务和外部客户需求
• 基于Kubernetes构建异构多芯计算集群，优化GPU集群的自愈、资源调度、虚拟化、Serverless等核心能力
• 研发大规模分布式训练和推理系统，提升系统容错能力和性能
• 参与大模型时代的机器学习平台研发，支持模型开发、训练、部署、数据工程、工作流等全周期场景
• 熟练掌握Python、Go、Java、C/C++等至少一门编程语言
• 熟悉MySQL或其他关系型数据库，掌握Linux操作系统
• 了解网络、系统等基础知识，具备良好的系统设计能力
• 熟悉Kubernetes或大模型推理技术者优先

申请策略

• 关注百度智能云百舸团队的业务方向，了解其在AI基础设施领域的布局，在面试中展示对业务的理解
• 提前准备项目案例，重点展示在分布式系统、机器学习平台或GPU集群方面的实践经历
• 突出编程能力：在简历中详细描述使用Python、Go、Java或C/C++的项目经验，尤其是与分布式系统、机器学习相关的项目
• 强调Kubernetes经验：如有Kubernetes或容器化相关项目经验，务必重点突出，这是岗位的核心要求之一
• 展示学习能力：通过竞赛、开源项目或技术博客等，证明你的快速学习能力和主动性
• 提及大模型相关经验：如有大模型推理或训练相关经验，应作为亮点呈现
• 深入学习Kubernetes：掌握Kubernetes的架构、资源调度、集群管理等核心概念，并动手实践
• 了解大模型推理：学习大模型推理框架（如vLLM、TensorRT-LLM）和优化技术，提升竞争力

面试指南

• 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果）清晰描述项目背景、你的职责、具体行动和最终成果
• 对于技术设计类问题，先明确需求，再提出架构方案，最后讨论优化点，展示你的系统思维和解决问题的能力
• 对于团队协作类问题，强调沟通、尊重和以目标为导向的解决方式，体现团队精神
• 请介绍你在分布式系统或机器学习平台方面的项目经验
• 你对Kubernetes的理解是什么？如何优化GPU集群的资源调度？
• 如何设计一个大规模分布式训练系统？请谈谈你的思路
• 你对大模型推理有哪些了解？如何优化推理性能？
• 在团队协作中，你如何处理技术分歧？