机器学习性能工程师（暑期实习）

机器学习性能工程师将致力于结合量化行业的计算需求特征，探索不同硬件平台上的高性能计算技术，打造一流的高性能计算平台，同时优化机器学习基础设施、模型训练和推理，以改进我们的交易策略。 岗位职责 ● 研究CPU/GPU等硬件平台上的高性能计算技术，参与高性能计算库、推理引擎的开发与优化。 ● 参与机器学习平台的性能优化工作，包括计算资源调度策略设计，PB级高性能存储的存取加速，网络数据并行传输优化等。 ● 负责模型训练优化，提升模型训练速度与平台利用效率，保持与业界先进技术同频。 ● 构建模型的生命周期管理，提供模型仓库服务，保障交易场景模型的安全可靠加载。 ● 探索前沿技术，持续迭代相关系统的性能。

●  面向2026届，计算机、软件工程、电子工程、数学等理工科相关专业。 ●  熟练掌握C/C++/Python中至少一门编程语言，有扎实的算法与数据结构基础，良好的代码风格和工作习惯。 ●  熟练掌握计算机体系结构相关知识，熟悉现代处理器CPU/GPU的微架构。 ●  熟练掌握Linux环境系统编程，具备多核并行编程及优化能力，熟练使用常见性能分析工具。 ●  熟悉至少一种主流深度学习框架（TensorFlow/Pytorch/PaddlePaddle等），熟悉其底层架构和实现机制，了解其性能瓶颈分析与性能调优的方法。 ●  有以下至少一项的背景知识与经验：GPU编程，并行计算，分布式存储，高性能网络，深度学习编译器。 加分项： ●  具备汇编层面的开发/优化能力，有CUDA开发经验。 ●  在高性能计算和机器学习相关的开源项目中做出过相关贡献。 ●  有大规模训练任务和推理服务编排和调度、镜像加速等工作经验优先。 ●  有深度学习编译器开发经验优先，TVM/XLA等。 ●  熟悉InfiniBand或RDMA。