工作职责： 1. AI平台/数据平台部署与运维 负责AI训练平台和数据平台的部署、升级和维护 管理Kubernetes集群，优化资源调度，确保AI任务稳定运行 负责GPU服务器的运维，包括驱动安装、CUDA环境配置、GPU资源监控与故障排查 2. 云平台配置与管理 负责云平台的配置、运维及优化，熟悉云平台核心架构与运行机制 掌握云平台算力、存储、网络等核心产品的原理，具备丰富的实际操作与运维经验 具备国内主流云厂商（如阿里云、腾讯云、华为云等）及AWS云平台运维经验，能熟练操作对应云产品、排查云环境相关问题 3. 故障排查 快速定位AI训练任务异常（如GPU利用率低、训练任务卡顿等） 处理数据异常、云平台异常及集群相关问题，保障AI平台、数据平台、云平台稳定运行 ：

岗位要求 1. 必备： 3年+ K8s生产运维经验，熟悉Calico网络 熟悉GPU服务器运维（NVIDIA驱动/CUDA）及Linux/Shell/Ansible 具备国内主流云厂商及AWS运维经验，掌握云算力、存储、网络产品实操 2. 加分项： AI算力平台运维经验 了解RDMA/InfiniBand/RoCE网络 熟悉Python/Go 3. 软技能： 强问题定位能力，主动沟通，抗压好学