Machine Learning Infrastructure Engineer

关于我们

AXQ 安贤投资 是一家全球量化投资机构。我们立足不同地域、资产类别和交易周期，持续构建多元化的投资优势。我们的策略植根于严谨的量化研究与深入的市场理解，并通过对数据、技术和人工智能的长期投入不断强化。我们汇聚来自全球顶尖高校及领先量化机构的优秀人才，倡导以好奇心、严谨精神和主人翁意识为基础的合作文化。在这里，最好的想法能够脱颖而出，每个人也能与公司共同成长。

岗位使命

作为机器学习基础设施工程师（Machine Learning Infrastructure Engineer）你将参与建设 AXQ 面向量化研究与机器学习的计算和平台基础设施，与 Infrastructure 团队及研究、工程团队紧密合作，提升特征计算、模型训练、实验迭代与推理任务的效率和可靠性。

我们面向 PB 级数据处理与大规模机器学习训练场景，持续优化 GPU/CPU 计算资源、分布式计算、存储与数据访问、机器学习平台及开发者工具。

你将参与相关基础设施系统与平台工具的设计、开发与交付，帮助研究人员更高效地使用计算资源，让研究工作流具备可扩展、可复现、易使用和成本高效的特性。

主要职责

1. 计算集群与任务调度：建设和优化 GPU/CPU 资源管理与任务调度系统，提高计算资源利用率和任务运行效率。
2. 分布式训练与计算：支持多 GPU、多节点计算任务，优化数据加载、任务并行、节点通信与故障恢复。
3. 数据访问与性能优化：优化大规模数据读取、缓存与存储访问，定位并改善计算、网络及 I/O 瓶颈。
4. 机器学习平台与研究工具：开发任务提交、实验管理、开发环境及依赖管理工具，提升研究效率与可复现性。
5. 训练与推理基础设施：支持模型训练、批量及在线推理任务的部署运行，完善版本管理、监控与故障恢复。
6. 自动化与稳定性建设：建设自动化运维、监控告警、权限管理与资源配额能力，提升系统可靠性。
7. 需求落地与使用体验：与研究和工程团队协作，将共性需求转化为易用、可复用的平台能力。

岗位要求

1. 具备基础设施、平台工程、分布式系统、高性能计算或机器学习相关技术基础，能够参与模块设计、开发、部署与问题排查。
2. 扎实的 Linux、网络、存储和操作系统基础，能够分析资源使用情况，定位性能与稳定性问题。
3. 熟练掌握 Python、Go、C++、Rust、Java 等至少一门编程语言，具备良好的编码习惯和工程意识。
4. 了解容器、任务调度与资源管理，了解或熟悉 Kubernetes、Slurm、Ray 或同类系统中的至少一种。
5. 理解机器学习模型训练和推理的基本流程，有实际模型训练或相关项目经验，了解数据 I/O、计算资源和运行环境的要求。
6. 了解 CI/CD、Infrastructure as Code、监控告警及自动化运维，重视系统的可观测性、可复现性与故障恢复能力。
7. 具备良好的学习、沟通与协作能力，能够理解研究需求，分析技术取舍并推动方案落地。

加分项

• 有量化投资、对冲基金、机器学习平台或大规模研究计算平台经验。
• 有大规模特征工程、数据管道、分布式存储或 PB 级数据处理经验。
• 有模型服务、批量推理或在线推理基础设施建设经验。
• 有公有云、混合云资源管理与 GPU 成本优化经验。
• 有 GPU 集群建设、分布式训练性能调优经验，或熟悉 PyTorch Distributed、CUDA、RDMA 等相关技术。
• 熟悉 Claude Code、Codex 等 AI coding tools，并有将其融入开发流程或建设配套工具的实践。