机器学习算法工程师（中石油、ai方向）

岗位职责
1、负责AI中台的核心架构设计与研发工作，包括但不限于计算框架适配、分布式训练引擎搭建、模型部署工具链开发，确保平台具备高可用性、高扩展性与高效性能。
2、深入研究 TensorFlow、PyTorch 等主流深度学习框架的底层原理，结合业务需求进行定制化优化，解决框架在大规模数据训练、复杂模型推理过程中的性能瓶颈问题。
3、构建完善的模型生命周期管理体系，涵盖模型版本控制、实验跟踪、自动化评估与一键部署功能，提升算法工程师的模型开发与迭代效率。
4、与算法团队、业务团队紧密协作，理解不同业务场景下的 AI 需求，将业务需求转化为平台功能模块，提供端到端的深度学习技术解决方案，支撑业务场景的 AI 落地。
5、跟踪深度学习平台领域的前沿技术动态（如大模型训练框架、联邦学习平台、AI 原生芯片适配等），开展技术预研与验证，推动新技术在平台中的应用，保持平台技术的领先性。
6、负责平台相关技术文档的编写与维护，包括架构设计文档、API 使用手册、部署运维指南等，同时承担团队内部的技术分享工作，提升团队整体技术水平。
任职资格
1、学历与专业：本科及以上学历，计算机科学与技术、电子信息工程、数学、自动化等相关专业，4年及以上深度学习平台研发或相关领域工作经验。
2、技术基础：
具备扎实的计算机基础知识，深入理解数据结构、算法、操作系统（进程调度、内存管理）、计算机网络（TCP/IP 协议栈、分布式通信原理）等核心概念。
精通至少一种主流编程语言（如Java、 Python），熟悉 Linux 操作系统下的开发环境与调试工具，具备良好的代码规范与工程化思维。
3、深度学习技术能力：
熟练掌握 TensorFlow、PyTorch 等至少一种主流深度学习框架，了解框架的底层运行机制（如计算图优化、算子实现、内存优化），有框架二次开发或定制化经验者优先。
具备分布式深度学习系统研发经验，熟悉分布式训练的核心技术（如数据并行、模型并行、混合并行、梯度同步策略），有大规模模型（如 LLM、CV 大模型）训练平台搭建经验者优先。
4、平台研发经验：
有深度学习平台、AI 开发平台或 MLOps 工具链研发经验，熟悉平台的核心模块（如数据管理、模型开发、实验管理、部署服务）设计与实现者优先。
了解容器化技术（Docker）与编排工具（Kubernetes），具备基于 K8s 构建分布式 AI 训练 / 推理集群经验，熟悉云原生技术栈者优先。
5、综合素养：
具备较强的问题分析与解决能力，能够快速定位并解决平台研发过程中的技术难题，有复杂系统故障排查经验者优先。
具备良好的沟通协作能力与团队合作精神，能够跨部门高效推进项目，清晰表达技术方案与思路。
对人工智能技术充满热情，具备较强的学习能力与创新意识，能够主动跟踪行业技术动态并应用于实际工作。