工作职责
1、负责AI中台系统的日常运维，包括数据标注、训练平台、调度平台等系统平台的维护与运营监控、故障/客诉问题排查及解决、并及时反馈处理结果；负责平台私有化部署项目交付，包括部署规划、实施和后期运维，确保客户能够得到稳定可靠的服务支持。
2、管理AI任务调度（算力、算法、任务等）策略，确保算法服务的部署、升级和流量切换的平滑过渡、算力资源利用最大化，并支持算法团队的迭代和调优、提供必要的运维支持；
3、负责系统架构规划、资源申请、服务部署及上线、自动化容器化接入、监控接入及完善等日常运维工作，持续推进系统稳定性、安全性及经济性提升，通过开发工具持续提升工作效率。
4、协调开发、测试、运维团队，推进DevOps实践，提升产品运行质量，主动发现并处理生产环境问题，向产品和研发团队提供反馈，推动平台稳定性和运维流程的持续优化；
5、负责关键应用服务、负载均衡设备和业务服务的配置管理，实施容灾和高可用性方案，与安全团队合作，监控运行环境，及时处理安全威胁和数据安全问题；
6、提供7*24小时系统故障应急响应，确保快速恢复服务，并及时反馈处理进度与结果
7、完成上级部门或团队内交办的工作任务。
任职资格
1、本科及以上学历，计算机或网络相关专业，具备扎实的计算机基础知识和数据科学概念理解；
2、精通Linux系统，具备高级维护、配置、优化和故障排除能力，能够开发自动化脚本和工具；
3、熟悉网络协议与设备，了解TCP/IP、HTTP等网络协议，以及交换机、路由器等网络设备的配置和管理；
4、熟悉Docker、Kubernetes等容器化技术，以及微服务架构的设计和运维；熟悉常见开源中间件运维。对分布式计算、存储和网络有深入理解。深入理解分布式计算、存储和网络，能够管理和优化大规模分布式AI系统；
5、具备丰富的AI平台运维经验，熟悉AI模型训练、推理、服务部署及全生命周期管理；
6、精通自动化运维工具和CI/CD流程，能够设计并实施高效的AI项目迭代和部署策略；
7、具备一定的编程能力，能够开发和维护自动化运维解决方案，提高运维效率和系统稳定性；
8、至少3年以上的运维相关工作经验，1年以上AI相关平台运维工作经验，能够独立承担系统或平台的运维工作，有在大型互联网公司的AI平台运维背景者优先；
9、抗压力能力强，具备良好的应急处置能力，能够在较高强度的工作环境下保持冷静并妥善处理各种突发事件；
10、具备优秀的问题解决、沟通、团队协作和学习能力，能够编写清晰准确的运维文档；持续关注并掌握AI技术的最新发展趋势，能够快速适应并整合新技术到运维实践中。