百度百舸-机器学习平台研发工程师（GO方向）（J106189）

优缺点分析

角色解读

• 在技术深度上，可成为云原生与AI Infra领域的资深技术专家，主导底层算力调度与分布式系统架构
• 在业务广度上，可向AI平台产品技术负责人或架构师方向发展，支撑大模型时代的核心算力底座建设
• 负责大规模AI计算集群基础设施的设计与研发，基于Kubernetes构建异构多芯计算集群
• 研发大规模分布式训练与推理系统，优化GPU集群自愈、资源调度及Serverless等核心能力
• 打造大模型时代的机器学习平台，支持模型开发、训练、部署及数据工程等AI全生命周期场景
• 精通Kubernetes工作原理及二次开发，熟悉调度器、容器运行时及网络等技术
• 掌握Go语言，具备大规模分布式系统的设计与研发能力
• 熟悉AI算力集群架构，了解Kubeflow、Volcano、PyTorch、Ray等AI生态组件及GPU芯片架构

申请策略

• 了解百度百舸平台的最新技术博客和开源贡献，面试时展现出对AI Infra领域前沿技术的关注和自己的思考
• 重点突出在Kubernetes二次开发、调度器优化或容器网络/存储方面的实际项目经验与性能提升数据
• 展示在大规模分布式系统、高并发或高可用架构设计方面的经验，特别是与GPU/异构计算相关的背景
• 若有参与开源项目（如K8s、Volcano、Kubeflow等）或熟悉PyTorch/Ray等AI框架，务必在简历中显著标明
• 深入研读Kubernetes源码，特别是调度器（Scheduler）和容器运行时（CRI）的实现机制
• 补充学习大模型分布式训练原理（如数据并行、张量并行、流水线并行）及主流框架的底层逻辑

面试指南

• STAR法则：针对系统设计或优化问题，按照情境、任务、行动、结果的框架，重点突出你解决复杂系统问题的思路和量化收益
• 底层原理+实践结合：回答技术问题时，先简述底层原理（如K8s调度流程），再结合具体业务场景说明你的定制化开发和调优经验
• 请详细描述Kubernetes调度器的工作原理，以及你在实际项目中如何优化调度策略以提升GPU资源利用率？
• 在构建异构多芯计算集群时，如何处理GPU故障自愈和资源隔离？遇到过哪些底层网络或存储的性能瓶颈？
• 分布式训练系统中，如何解决节点故障导致的容错问题？请分享一个你主导的高可用架构设计案例
• 对比Kubeflow和Volcano在AI任务调度上的优缺点，你在实际业务中是如何选型和优化的？
• 复习Kubernetes核心组件源码及云原生底层技术（如cgroups, namespace, eBPF等），准备1-2个深度技术难点攻克案例
• 了解大模型训练的基础知识及分布式系统常见的设计模式，熟悉百度百舸平台的相关公开技术分享