Rockchips Electronics logo
瑞芯微
2027届校招机器学习平台研发工程师-上海

2027届校招机器学习平台研发工程师-上海

发布于 大约 16 小时前

普通员工/个人贡献者

上海市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Onnx
Pytorch
Tensorflow
并行化
模型部署
算子切分
计算图

AI 估算 · 15k–25k

机器学习平台研发属高价值技术岗,上海地区校招薪资较高,公司上市背景稳定,综合评估月薪1.5-2.5万,年终奖约3个月。

职位详情

关于这个职位

该职位专注于深度学习模型计算图的拆分与并行化工具链研发,涉及ONNX算子切分与重写规则库建设

你将与算法、编译器和硬件团队协作,解决模型从训练框架到推理平台的部署难题
适合对底层技术和模型部署有浓厚兴趣的应届生

最低要求

计算机、电子工程、自动化或相关专业,本科及以上学历

熟练掌握 Python,具备良好的工程代码规范与调试能力
熟悉 ONNX 模型格式、计算图结构,理解算子拓扑关系与数据依赖
熟悉 PyTorch / TensorFlow 等主流深度学习框架,具备模型转换或部署经验
对底层技术有较强兴趣,具备主动学习和持续深入钻研的能力

工作职责

参与深度学习模型计算图拆分与并行化工具链的设计与开发,提升模型在多核/多设备环境下的部署效率

负责基于 ONNX 的算子切分与重写规则库的建设、扩展与长期维护
针对模型并行部署场景,分析并解决算子精度对齐、Shape 兼容性、边界条件等工程问题
协同算法、编译器与硬件团队,推进模型从训练框架到推理平台的稳定落地

AI 洞察

优缺点分析

优点

  • 处于AI芯片与模型部署的交叉领域,技术前沿性高,职业发展空间大
  • 公司已上市,平台稳定,能够接触完整的工业级模型部署流程
  • 需要与多团队协作,能提升跨团队沟通与工程落地能力
  • 积累ONNX、PyTorch等主流工具链经验,在业界认可度高
  • 工作涉及底层图优化和算子级操作,需要扎实的底层技术功底,学习曲线较陡
  • 作为校招生,需要快速适应工业级代码规范和协作流程
  • 适合对深度学习底层实现有强烈好奇心的应届生,喜欢钻研技术细节,善于解决复杂工程问题

缺点 / 挑战

  • 部署场景问题复杂,可能面临多维度调试和精度对齐的压力

角色解读

  • 可以从工具链开发逐渐深入编译器与硬件适配领域,成为底层平台专家
  • 可向机器学习平台架构师或技术负责人方向发展
  • 在半导体与AI交叉领域积累经验,未来可拓展至边缘计算或芯片相关研发
  • 设计和开发深度学习模型的计算图拆分与并行化工具链,提升多核/多设备部署效率
  • 建设并维护基于ONNX的算子切分与重写规则库,为模型转换提供基础设施
  • 分析并解决模型并行部署中的算子精度对齐、Shape兼容性和边界条件问题
  • 与算法、编译器和硬件团队协作,确保模型从训练到推理的稳定落地
  • 熟练掌握Python,具备扎实的工程代码规范与调试能力
  • 熟悉ONNX模型格式和计算图结构,理解算子拓扑关系与数据依赖
  • 掌握PyTorch或TensorFlow等框架,有模型转换或部署经验
  • 对底层技术有浓厚兴趣,具备较强的学习和钻研能力

申请策略

  • 在简历中明确表达对底层技术的研究兴趣,展示主动学习能力
  • 了解瑞芯微的芯片产品线和AI部署场景,面试时能体现出对业务的理解
  • 突出扎实的Python编程能力,可附上相关项目链接或代码示例
  • 强调在深度学习模型训练、转换或部署方面的项目经历,包括遇到的问题与解决方案
  • 如果有ONNX或计算图相关操作,重点描述具体操作和结果
  • 展示对底层技术的研究热情,如参与过开源项目或技术博客
  • 提前学习ONNX模型格式和算子相关知识,尝试用Python编写简单的算子重写脚本
  • 熟悉PyTorch的导出和部署流程,能够将训练模型转换为ONNX并运行

面试指南

  • 对于技术类问题,按“原理说明-实践举例-解决方案”的结构回答,突出对底层细节的理解
  • 对于项目经历,使用STAR法则简述项目背景、你的职责、具体行动和最终结果
  • 请解释ONNX模型的计算图结构和数据依赖关系,以及如何切分算子?
  • 如何将在PyTorch中训练的模型部署到推理平台?遇到过哪些问题?
  • 在模型并行部署中,如何解决算子精度对齐和Shape兼容性问题?
  • 请描述一次你调试解决复杂工程问题(如内存泄漏、性能瓶颈)的经历
  • 你对机器学习编译器(如TVM)有哪些了解?
  • 复习计算图、算子拓扑、模型序列化等基础知识,准备一个ONNX相关的小实验

职位点评

68
综合评分

上海AI芯片大厂的机器学习平台研发岗,技术前沿,成长性高,但生活便利性和薪资透明度一般。

从起薪待遇、成长路径、工作节奏和岗位方向综合评估,方便比较职业起点。

更适合这类人
适合追求技术成长和职业深度发展的求职者,能接受现场办公和可能的工作压力。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活50
使命价值60

薪资福利

65中等

薪资未在JD中披露,但公司为上市企业,平台稳定,预期薪酬体系完善,只是具体数值需面议。

薪资信号未披露(AI估算:15K-25K/月)

成长发展

85较高

岗位涉及前沿的模型并行化与底层工具链技术,成长空间大,JD中明确鼓励持续深入钻研。

技术前沿前沿/新兴技术
技术栈ONNX、PyTorch、TensorFlow、计算图、模型部署、并行化
成长机会主动学习和持续深入钻研的能力
业务类型ambiguous

工作生活

50较低

工作地点为上海,需现场办公,JD未提及弹性工作或远程,生活平衡未知。

工作模式仅现场办公
办公地点未明确
加班情况未提及(无法判断)

使命价值

60中等

所处行业为AI芯片与应用落地的交叉领域,有一定技术价值,但JD未强调社会使命。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs