智元机器人
具身智能MLOps平台工程师
具身智能MLOps平台工程师
发布于 大约 6 小时前普通员工/个人贡献者
全职员工仅现场办公平台工程
平台工程
Mlflow
Mlops
Pytorch
任务编排
具身智能
分布式训练
值不值得投
70综合评分
综合评分 70
技术挑战性强的MLOps平台岗位，处于具身智能前沿赛道，发展机会好但WLB未明确。
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。
薪资怎么样
33K
比平台工程中位数低
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 1440 个在招
市场机会
选择适中
上海 · 平台工程 · 29 个在招
职位详情
关于这个职位
该职位负责智元机器人具身智能MLOps平台的开发与维护，旨在为算法团队提供高效、可复现的模型训练环境
工作内容涵盖训练任务管理、实验追踪、数据版本控制和Pipeline编排，确保模型研发流程的自动化与可靠性
最低要求
教育背景：本科及以上学历，计算机、人工智能、软件工程、自动化、机器人等相关专业优先
工作经验：3年以上机器学习平台、训练基础设施或后端研发经验，参与过训练平台或分布式训练工程交付
具有5年以上相关经验及核心模块设计经验者优先
熟练掌握Python，具备服务端开发、API设计及数据存储基础，能够独立完成平台模块开发、测试和问题定位
熟悉Linux、容器和Kubernetes作业机制，理解训练任务与资源队列的关系，能够对接底层调度和存储服务
熟悉PyTorch训练流程，了解分布式训练启动、数据加载、模型保存和恢复，能够分析常见训练环境与运行问题
在任务编排、实验追踪、Checkpoint或模型版本管理中至少一个领域有实践，能将算法研发流程转化为平台功能
工作职责
建设训练任务管理能力，支持环境配置、提交、状态查询、日志查看、重试与终止，对接计算团队提供的资源队列和调度服务
接入PyTorch及分布式训练框架，提供单机多卡、多机多卡训练模板和启动机制，沉淀环境验证与常见故障诊断能力
建设MLflow类实验管理能力，记录代码版本、运行环境、参数、指标和训练产物，支持实验查询、对比与结果追溯
对接数据与存储服务，管理数据版本关联和挂载配置，与算法团队约定Checkpoint接口，完善保留策略与任务恢复流程
建设训练Pipeline和模型注册能力，接入算法团队的训练与评估程序，编排数据准备、训练、评估和产物登记流程
协同算法与基础设施团队定位任务启动、通信、数据读取及恢复异常，完善平台API、自动化测试、使用文档和训练基准
优先资格
有MLflow、Kubeflow或同类平台二次开发经验，熟悉训练流水线和模型产物管理
有具身智能、多模态或强化学习训练工程实践，或具备主流分布式训练框架接入与排障经验
AI 洞察
优缺点分析
优点
- 平台开发工作对技能积累有长期价值，有助于构建扎实的基础设施能力
- 与算法和基础设施团队紧密合作，有利于拓宽技术视野和团队协作经验
- 技术栈更新快，需要持续学习PyTorch、Kubernetes等工具的新特性，对自驱力要求高
- 适合对机器学习基础设施和平台开发有热情，喜欢解决复杂工程问题、追求技术深度的工程师，且能适应较快节奏的技术环境
缺点 / 挑战
- 专注于具身智能这一前沿领域，技术挑战性强，能接触到最新的机器学习工程实践
- 平台开发需平衡功能需求与系统稳定性，故障恢复等场景可能带来较大工作压力
- 作为B轮企业，快速迭代中可能存在需求变化频繁的挑战，需要良好的适应能力
角色解读
- 深入机器学习基础设施领域，成为资深MLOps工程师或架构师，专注于平台架构优化与技术创新
- 扩展业务理解，向AI研发管理岗位发展，或参与前沿具身智能项目的技术决策
- 设计与开发MLOps平台核心模块，包括训练任务管理、实验追踪和模型注册，以支持算法团队的高效研发
- 集成分布式训练框架和数据服务，实现训练流程的自动化、可复现和故障恢复能力
- 协同跨团队解决技术问题，优化平台性能并完善文档和测试基准
- 精通Python和服务端开发，具备API设计与数据存储经验，能独立构建平台模块
- 熟悉PyTorch和分布式训练机制，了解Kubernetes作业调度与资源管理
- 有MLOps或相关平台开发实践，能将算法流程转化为可执行的平台功能
申请策略
- 研究智元机器人的具身智能业务方向和技术栈，在面试中展现对机器人与AI结合场景的理解与兴趣
- 准备具体案例，说明如何将算法研发需求转化为平台功能，并解决过的技术难题
- 重点突出MLOps、PyTorch、Kubernetes相关的项目经验，尤其是训练任务管理、分布式训练或实验追踪的实践案例
- 强调Python服务端开发能力，包括API设计、数据存储和系统模块开发经历
- 展示在任务编排、Checkpoint管理或模型版本控制等领域的具体成果，以体现对算法流程的理解
- 学习MLflow、Kubeflow等平台的高级功能，提升训练流水线设计能力
- 深入理解分布式训练框架（如PyTorch Distributed）的原理与排障技巧，补充相关实践经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，突出技术决策和问题解决过程
- 强调对系统设计的全局思考，包括可扩展性、可维护性和用户体验
- 结合具体技术细节（如Kubernetes调度、PyTorch DataLoader优化）展示深度
- 请描述你如何设计一个支持分布式训练的任务管理系统？
- 在MLOps平台中，如何实现训练实验的追踪与结果对比？
- 当训练任务因数据读取或通信问题失败时，你会如何排查和恢复？
- 你如何将Checkpoint管理与模型版本控制集成到训练Pipeline中？
- 请分享一次你优化训练平台性能或解决复杂故障的经验
职位点评
薪资福利65
成长发展85
工作生活55
使命价值75
薪资福利
65中等
该职位未明确披露薪资福利，但基于B轮中大型企业和上海地区市场水准，补偿性动机满足程度一般。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
职位涉及前沿具身智能MLOps平台开发，技术挑战性强，能提供扎实的技能成长机会。
技术前沿前沿/新兴技术
技术栈MLOps、PyTorch、Kubernetes、分布式训练、MLflow
业务类型ambiguous
工作生活
55较低
工作模式未在JD中明确，可能为现场办公，WLB信息不足，生活化动机满足程度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
具身智能作为高速增长的新兴领域，行业前景好，能带来一定的意义感和创新体验。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs