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
机器学习平台工程师
教育背景
北京邮电大学
211双一流
计算机科学与技术 硕士
北京2018年9月 - 2021年6月
研究方向：分布式系统与机器学习系统；核心课程：分布式计算、机器学习、操作系统。
武汉理工大学
211双一流
软件工程 本科
武汉2014年9月 - 2018年6月
核心课程：数据结构、计算机网络、数据库系统。
技能
Kubernetes / Kubeflow
PyTorch / 分布式训练
Triton / 模型推理服务
Go / Python 后端开发
Prometheus / Grafana 监控
Spark / 特征与数据管道
荣誉奖项
北京市科学技术进步奖二等奖
校级优秀毕业生
个人总结
5年机器学习平台与MLOps工程经验，专注Kubernetes上的训练调度、模型服务与推理性能优化。主导过千卡GPU集群调度与在线推理平台建设，支撑推荐、风控等20余个模型上线。熟悉PyTorch、Kubeflow、Triton与Go/Python开发，具备从平台架构到落地交付的完整能力。
工作经历
北京智算云科技有限公司
北京
AI基础设施C轮融资
机器学习平台工程师
2022年7月 - 至今
KubernetesMLOps
- 负责千卡GPU训练平台调度模块，引入分级队列与抢占策略，集群GPU利用率由52%提升至78%。
- 主导模型推理服务标准化建设，统一Triton部署流程，新模型上线周期从5天缩短至1天。
- 搭建平台监控与告警体系，覆盖训练任务与推理服务，线上故障平均定位时间下降60%。
北京数智信息技术有限公司
北京
互联网大数据
大数据开发工程师
2021年7月 - 2022年6月
Spark特征工程
- 参与特征平台与离线训练管道开发，支撑推荐模型日均百亿样本训练，任务稳定性达99.5%。
- 优化Spark特征计算作业，通过分区与缓存调优使核心任务耗时降低35%。
项目经验
在线推理平台统一化建设
2023年3月 - 2024年5月
技术负责人
- 设计多框架模型统一接入方案，支持PyTorch、TensorFlow模型一键发布，接入模型30余个。
- 引入动态批处理与GPU共享调度，推理P99延迟降低40%，单卡吞吐提升约2倍。
大规模训练任务调度优化
2022年8月 - 2023年2月
核心开发
- 基于Kubernetes自定义调度器实现GPU拓扑感知分配，跨节点通信开销降低25%。
- 建立任务优先级与配额机制，保障重点业务训练资源，资源争抢工单减少70%。
主要成就
集群利用率显著提升
通过调度策略重构，将GPU集群整体利用率提升26个百分点，年节省算力成本约300万元。
模型上线效率提升
推动推理服务标准化，模型平均上线周期由5天压缩至1天，支撑业务迭代提速。
平台稳定性保障
主导监控告警体系建设，核心平台全年可用性达99.9%，重大故障零发生。
证书与认证
CKA（Certified Kubernetes Administrator） - CNCF
2023年6月
证明Kubernetes集群部署、运维与故障排查能力。
阿里云机器学习平台PAI工程师认证 - 阿里云
2022年12月
证明云上机器学习平台与模型工程能力。
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。