Watch Jobs
Ant Group logo
蚂蚁集团
蚂蚁集团-资深训练系统研发工程师-北京/上海/杭州
立即应聘

蚂蚁集团-资深训练系统研发工程师-北京/上海/杭州

发布于 大约 14 小时前

普通员工/个人贡献者

北京市 / 上海市
中级经验
全职员工
仅现场办公
本科
平台工程
Pytorch
Pytorch Lightning
Tensorflow
Torchrec
任务调度
分布式系统
可观测性
机器学习平台

AI 估算 · 40k–70k

资深训练系统研发岗位，技术门槛高，涉及分布式系统与机器学习框架，蚂蚁集团平台大，薪资竞争力强，预计月薪4-7万，16薪。

职位详情

关于这个职位

该职位负责蚂蚁集团搜广推训练系统的设计、开发与稳定性建设，涵盖离线训练与在线学习场景

你将深入理解算法用户的训练流程，抽象需求为可复用的系统能力，并负责与调度、数据流、存储等内部系统的集成
同时，需要推动 TensorFlow、PyTorch 等框架的内部适配，建设可观测性与故障恢复能力，提升训练效率与用户体验

最低要求

● 计算机相关专业本科及以上学历，具备扎实的计算机基础和良好的工程能力，二年以上工作经验

● 具备后端或系统研发经验，熟悉分布式系统、任务调度、数据处理、存储或可观测性中的一个或多个方向
● 熟练掌握 Python，并熟悉 Java、C++、Go 中至少一种语言，具备跨语言定位问题的能力
● 理解机器学习训练的基本流程，使用或维护过 TensorFlow、PyTorch 等训练框架
● 熟悉 Kubernetes、容器化和分布式任务运行机制，具备线上系统稳定性建设及故障排查经验
● 能够独立负责复杂系统或核心模块，在保障业务连续性的同时推进技术演进和历史问题治理
● 具备用户视角、技术产品判断和跨团队推动能力，能够抽象需求并合理判断功能边界、用户价值及长期维护成本

工作职责

● 负责搜广推训练系统的设计、开发和稳定性建设，覆盖离线训练及在线学习场景

● 深入理解算法用户的训练流程和实际痛点，将业务需求抽象为可复用、可演进的系统能力
● 负责训练系统与公司内部调度、数据流、存储、模型管理及通用训练平台的集成
● 负责 TensorFlow、PyTorch，以及 TorchRec、PyTorch Lightning 等相关组件的内部适配和演进
● 建设训练任务的可观测、智能诊断和故障恢复能力，提升用户自助排障效率
● 负责训练平台后端及相关工具建设，推动任务提交、运行、诊断和模型产出流程标准化
● 治理版本碎片化和历史技术债务，推进公共能力复用及系统架构收敛
● 与算法、数据、调度、存储等团队协作，持续提升训练效率、稳定性和用户体验

优先资格

● 有搜索、推荐、广告训练或在线学习系统经验

● 有分布式训练、Embedding、Parameter Server、TorchRec 或大规模稀疏模型经验
● 有面向算法用户建设训练平台、机器学习平台、数据平台或任务调度平台的经验
● 有 Elastic Training、Checkpoint、训练节点恢复、故障注入或可观测体系建设经验
● 有存量系统治理、平台能力收敛、版本治理或用户迁移经验
● 有使用 AI Coding 完成平台前后端迭代的实践经验

AI 洞察

优缺点分析

优点

  • 工作强度可能较大，需要处理复杂系统问题，对技术深度和广度要求高

缺点 / 挑战

  • 蚂蚁集团平台大，技术挑战高，涉及大规模分布式训练，能积累前沿技术经验
  • 适合有分布式系统或机器学习平台经验，热爱技术挑战，愿意在大型互联网公司深耕的工程师

角色解读

  • 从资深工程师向技术专家或架构师方向发展，可深入机器学习平台、分布式系统等领域，未来可晋升为团队负责人或技术总监
  • 负责搜广推训练系统的设计、开发与稳定性建设，涵盖离线训练和在线学习场景
  • 需要扎实的分布式系统、任务调度、数据处理和存储知识，熟练掌握 Python 和至少一种其他语言，熟悉 TensorFlow/PyTorch 等训练框架

申请策略

  • 了解蚂蚁集团的技术栈和业务方向，准备相关项目案例，展示系统设计和问题解决能力
  • 突出分布式系统、任务调度、TensorFlow/PyTorch 等训练框架的实际项目经验
  • 提前熟悉 Kubernetes、容器化、分布式训练框架（如 TorchRec）和可观测性工具

面试指南

  • 结合项目经验，突出系统设计、故障排查和跨团队协作能力
  • 请描述你设计过的分布式训练系统架构，如何解决扩展性和稳定性问题？
  • 如何排查和解决训练任务中的故障？
  • 如何优化大规模稀疏模型的训练效率？
  • 如何与算法团队协作，抽象业务需求为系统能力？
  • 准备分布式训练、Kubernetes、TensorFlow/PyTorch 相关技术知识，并准备相关项目案例

职位点评

71
综合评分

技术前沿、薪资高，但工作强度大，适合技术驱动型人才。

从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。

更适合这类人
适合追求技术成长、愿意接受高强度工作，且对薪资有较高期望的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值70

薪资福利

75中等

薪资水平较高，福利待遇好，但具体薪资未披露，需面议。

薪资信号未披露（AI估算：40K-70K/月）

成长发展

90较高

技术前沿，涉及大规模分布式训练和机器学习平台，成长空间大。

技术前沿前沿/新兴技术
技术栈TensorFlow、PyTorch、Kubernetes、分布式训练、TorchRec
业务类型profit_center

工作生活

40较低

工作地点在北京/上海/杭州，需现场办公，工作强度可能较大。

工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）

使命价值

70中等

蚂蚁集团在金融科技领域有较大影响力，但职位本身的社会价值感一般。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术

蚂蚁集团 的其他在招职位

相似职位推荐

Watch Jobs