一、模型優化方向
- 基本要求：
熟悉深度學習理論，知其然知其所以然；有深度學習模型訓練經驗；對於業界及學術界最新模型進展保持關注與好奇心，瞭解目前最新模型基本結構與原理；良好的工程素養，熟練使用python，熟悉Tensorflow/PyTorch其中一種框架；
- 以下爲加分項：
熟悉模型inference/training壓縮技術框架及最新研究進展，包括但不限於量化、剪枝、張量分析以及KD等；對於方法原理具有清晰認識與理解；熟悉模型訓練各optimizer基本原理，瞭解分佈式訓練基本方法與框架；對於最新訓練加速方法有所瞭解，例如混合精度訓練、低比特訓練、分佈式梯度壓縮等；對於AutoML領域有一定了解，熟悉強化學習或貝葉斯優化其中一種框架；對於網絡結構搜索及自動壓縮等領域有一定了解，有經驗者最佳。
二、系統優化方向
- 基本要求：
期望候選人有紮實的C++開發經驗或精通python，具有良好的編程習慣，熟悉多線程編程，內存管理，設計模式和Linux/Unix開發環境，對C++11的語法特性有清晰的理解和認識，對高併發程序開發有很好的感知和經驗；
- 以下爲加分項：
具有分佈式系統相關項目經歷，複雜系統軟件的設計能力和調試能力，熟知常見的設計模式和架構的trade-off；精通各種大數據計算框架，熟悉Hadoop/HIVE/MPI/Spark/TensorFlow等分佈式計算框架，瞭解常見深度學習框架引擎；在機器學習、深度學習、大規模分佈式機器學習以及在搜索、廣告、推薦、機器翻譯等領域有經驗者優先；熟悉GPU硬件架構，精通CUDA，精通cuDNN，在深度學習計算框架等領域有豐富優化經驗者優先；有AI編譯器開發經驗者優先，熟悉XLA/TVM/MLIR者優先。
感興趣的同學直接郵件：[email protected] 或 [email protected]