训练系统专家

岗位描述

1. 负责自动驾驶模型训练效率与算法迭代效率方向的技术规划和团队管理，持续优化从实验提交、训练执行到评测结果产出的端到端周期；
2. 负责大规模分布式训练性能优化，围绕计算、显存、通信、数据加载、存储等环节定位瓶颈，持续提升训练吞吐、GPU 利用率、扩展效率和训练产出；
3. 建设和优化统一训练能力，包括但不限于分布式训练框架、训练 Profiling、故障诊断、Checkpoint/容错恢复、实验管理及性能回…
4. 计算机、人工智能、软件工程等相关专业本科及以上学历，具有机器学习系统、分布式训练或相关工程经验，有 Tech Lead 或小团队管理经验；
5. 深入理解 PyTorch 等…