机器学习高级算法工程师
机器学习高级算法工程师
双栏 · 有照片
机器学习平台架构师
个人总结
8年机器学习与平台工程经验，专注大规模训练平台、推理服务与MLOps体系建设，主导过千卡GPU集群调度与模型上线链路。熟悉Kubernetes、PyTorch、Ray与特征平台架构，支撑推荐、风控等核心业务模型迭代。擅长将平台能力产品化，显著提升算法团队研发效率与资源利用率。
工作经历
北京智算云科技有限公司
人工智能云计算
北京
机器学习平台架构师
训练平台MLOps
2022年9月 - 至今
- 主导千卡GPU训练平台架构设计，引入弹性调度与多租户隔离，集群利用率由48%提升至76%。
- 搭建统一推理服务平台，支持模型灰度发布与自动扩缩容，线上推理P99延迟下降35%。
- 推动MLOps标准化流程落地，模型从实验到上线周期由3周缩短至5天，覆盖20余个算法团队。
上海数联科技有限公司
互联网推荐系统
上海
机器学习工程师
特征工程PyTorch
2020年7月 - 2022年8月
- 负责推荐系统特征平台建设，统一离线与实时特征口径，特征复用率提升至70%。
- 设计模型训练流水线与实验管理工具，支撑日均50余次训练任务，迭代效率提升40%。
项目经验
千卡GPU训练平台建设 - 平台架构负责人
2024年3月 - 2024年5月
- 基于Kubernetes与Volcano构建队列调度与配额体系，支持多团队公平共享，任务排队时长下降60%。
- 集成分布式训练框架与故障自愈机制，长任务中断恢复时间由小时级降至10分钟内。
统一推理服务平台 - 技术负责人
2022年12月 - 2023年2月
- 设计多框架模型托管与动态批处理能力，单卡吞吐提升约2倍，资源成本下降30%。
- 建立模型版本管理与灰度发布流程，线上模型回滚时间缩短至5分钟。
技能
Kubernetes与容器调度
PyTorch分布式训练
MLOps与模型治理
Ray与Volcano
推理服务与性能优化
Python与Go
特征平台与数据链路
云原生与GPU资源管理
系统架构设计
教育背景
华中科技大学
985双一流
武汉
计算机科学与技术 硕士
2019年8月 - 2021年5月
研究方向为分布式系统与机器学习基础设施。
武汉理工大学
211双一流
武汉
软件工程 本科
2016年8月 - 2020年5月
主修数据结构、操作系统与数据库系统。
证书与认证
阿里云云计算架构师认证（ACE） - 阿里云
2023年6月
证明云上架构设计与大规模系统部署能力。
系统架构设计师（软考高级） - 工业和信息化部
2021年11月
证明复杂系统架构设计与技术方案能力。
主要成就
平台利用率显著提升
通过调度与配额优化，将GPU集群整体利用率从48%提升至76%。
模型上线效率提升
推动MLOps标准化，模型交付周期由3周缩短至5天。
技术专利与认可
作为第一发明人获得2项分布式训练调度相关发明专利授权。
就从这份模板开始
模板会复制到你的账户里，每一句话、每个板块和颜色都能改，改好再下载 PDF。