岗位职责：

1.负责依据业务需要，统筹硬件、系统软件、训练框架设计，以实现高效的大规模分布式训练平台；

2.负责训练平台硬件选型和通信拓扑设计；

3，负责海量训练数据存储、缓存、通信等系统软件架构搭建和优化；

4.负责优化训练框架，尽可能高效发挥硬件和系统软件性能；

5.负责开发通用的训练算法，如各类并行方式、优化算法、量化训练等。

任职要求：
1.熟悉计算机体系结构和操作系统，对高性能计算有热情；

2.熟悉分布式深度学习训练平台的原理、软硬件架构和性能优化；

3.熟悉PyTorch、TensorFlow等训练框架的原理、软件架构；

4.熟悉MPI、NCCL等分布式通信软件和juicefs、seaweedfs等高性能分布式文件系统；

5.具有一线互联网或AI公司系统框架架构或开发经验者优先；

6.具有团队管理经验者优先。