大团队：阿里云-弹性计算小团队：暂且保密，提供关键词：老板好，氛围好，队友年轻！职位一：阿里云智能-高级算法工程师职位描述本岗位聚焦于云资源智能经营领域的核心算法能力建设，致力于打造高适应性、高自动化的供需匹配系统。候选人需兼具前沿算法视野、扎实工程能力与深度业务理解，能够主导端到端的算法创新与落地。具体职责包括：1.算法设计与建模· 深入分析云计算场景下不同类型负载对资源使用模式的影响，识别关键优化机会点· 针对高波动、高不确定场景，设计融合运筹优化、时间序列建模的混合算法方案，明确技术边界与取舍逻辑2.算法工程化与服务交付· 主导从数据接入、特征构建、模型训练到在线服务的完整链路，确保算法模块低延迟、高可用、易运维· 定义并保障SLA，涵盖预测准确率、优化收益、服务响应时间、资源开销等维度，支撑生产环境稳定运行3.AI能力探索与集成· 探索大模型在资源经营中的创新应用，如基于RAG的供需洞察生成、Agent驱动的自动策略调优、多智能体协同调度等· 实践Prompt工程、模型微调等技术，提升大模型在垂直场景的效能与经济性4.效果评估与持续演进· 构建科学的评估体系，结合离线指标、在线A/B测试与业务归因，量化算法对成本、利用率、用户体验的实际影响· 建立自动化反馈与迭代机制，推动算法能力随业务演进而持续进化5.跨团队协同与能力建设· 与产品、运营、平台研发紧密协作，将算法能力封装为标准化服务或经营工具· 推动算法思维在业务团队中的渗透，助力组织向数据算法驱动的智能经营模式转型职位要求1. 3年以上算法研发经验，具备将复杂业务问题（如需求预测、库存优化、路径规划等）抽象为可计算模型并完成工程落地的完整项目经历2. 熟悉统计建模（如时间序列预测）、机器学习（如强化学习、图神经网络）和运筹优化（如MIP、动态规划）等算法优化技术；熟练掌握Python或Java等至少一种编程语言，具备良好的工程实现能力3. 了解ERP或云资源经营领域的核心业务逻辑，如需求预测、安全库存设定、呆滞风险评估等关键流程，对主流云计算厂商（如AWS EC2、Azure VM）的资源供给与调度机制有实践经验者优先4. 掌握AI基础知识，掌握基础提示词工程，会使用Al专业工具，集成AI到个人工作流；有AI相关开发工具应用研发经验者优先，持有阿里云ACA/ACP/ACE认证证书者优先5. 有强烈技术热情和好奇心，自驱力和学习力强；具备良好的分析与解决问题的能力、沟通以及团队合作能力；喜欢挑战性的技术研发工作，善于攻坚克难，有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破职位二：阿里云智能-弹性计算高级技术专家职位描述负责核心业务领域的整体技术架构设计、关键技术创新与落地，驱动技术战略与业务目标的深度结合。需要具备卓越的系统架构能力、深刻的业务洞察力、前瞻性的技术视野以及领导复杂技术项目的能力，能够解决重大技术难题，并引领技术团队提升整体效能。具体包括：1、技术方案设计· 收集、识别、分析客户需求，深入理解业务本质，进行领域建模和业务抽象，确保技术方案精准支撑业务目标与发展；· 基于需求分析和业务建模，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、设计并决策高扩展性、高可靠、面向未来的数据架构和开发流程等。2、技术实现· 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现；· 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等；· 主导或指导复杂数据平台、数据管道、数据服务的设计、研发与优化，确保数据链路的高效、稳定、可扩展，并能有效支持数据分析、决策和智能化应用。3、稳定性和性能优化· 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠；· 探索产品优化技术和方法，进行性能优化，提高产品稳定性和性能。4、技术预研· 跟踪和了解产品技术和趋势，根据业务需要提供技术支持和建议，评估新技术在业务场景的落地可行性及价值。5、技术规划· 基于业务需求和技术趋势，主导制定并推动落地支撑业务长期发展的技术架构，确保其具备高可用、高可靠、高拓展性，并能有效沉淀数据资产、驱动业务持续改进。职位要求1. 8年以上IT、互联网、云计算或大规模数据平台研发工作经验，对互联网业务开发、架构设计有体系化的深入理解。面对技术领域的不确定性，具备优秀的技术判断力和决策能力；2. 能够主导设计并推动落地高并发、高可用、高伸缩、低成本、高数据一致性/可靠性的系统架构。精通数据密集型系统架构，具备设计、构建和优化超大规模数据平台、数据管道及数据服务的成功经验。能够快速定位并解决跨领域、跨系统的复杂技术难题，具备强大的技术攻坚能力。具备技术前瞻性，能预见数据技术发展趋势及其对业务架构的影响；3. 深入理解业务逻辑、数据流与价值链条，能够通过业务建模和领域驱动设计将复杂业务需求转化为高效、可扩展的技术架构。基于技术长期发展和业务战略目标，从全局视角出发，平衡业务需求、技术可行性与数据治理要求；4. 深入理解数据资产（元数据、数据质量、数据安全）的重要性，并能在系统设计中有效落地相关实践，有数据资产化，并赋能数据分析、AI应用落地的经验者优先；6. 对云计算、大数据、AI等前沿技术保持高度热情和敏锐度，具备极强的快速学习能力。能够将新兴数据技术趋势转化为切实可行的业务解决方案。优秀的沟通表达、技术影响力和跨团队协作能力，能够有效驱动跨职能合作。