• 外包信息请发到 /go/outsourcing 节点。
• 不要把相同的信息发到不同的节点
代友发布职位，创业公司，朋友做 AI 音乐实体产品，已经有产品发布。 需要有后端技术，AI 应用，对音乐创作感兴趣的人加入。
职位名称：AI 应用开发工程师 / 机器学习软件工程师 (AI Application Engineer)
公司简介
[您的公司名称] 是一家处于前沿的智能乐器科技公司。我们致力于通过人工智能技术颠覆传统的音乐创作与学习方式。我们的核心产品是利用最新的大模型技术，为用户生成、解析和交互音乐曲谱，让音乐体验更智能、更简单、更有趣。
职位概述
我们正在寻找一位热衷于将尖端 AI 模型转化为实际产品的软件工程师。您将成为连接算法研究与产品落地的关键桥梁，负责构建、优化和部署我们核心的音乐生成模型，确保其能够稳定、高效、低延迟地服务全球用户。您不需要从头设计算法，但需要深刻理解它们，并让它们在现实中发挥巨大价值。
核心职责
- 模型部署与服务化：将研究团队训练好的模型（如 PyTorch/TensorFlow 模型）进行转换、优化和封装，构建高可用、高扩展性的推理服务 API （如使用 FastAPI, Triton Inference Server ）。
- 性能优化与加速：深入进行模型推理优化，应用量化（ Quantization ）、剪枝（ Pruning ）、编译（如 TVM, ONNX Runtime ）等技术，并利用 GPU/硬件加速，显著提升推理效率并降低成本。
- 工程化与 MLOps 建设：设计和实现完整的模型部署流水线（ CI/CD for ML ），自动化完成从模型验证、版本管理、A/B 测试到线上监控（如性能、延迟、漂移）的全生命周期管理。
- 系统架构与云原生：在云平台（如 AWS, GCP, Azure ）上设计和维护基于容器（ Docker ）和编排（ Kubernetes ）的微服务架构，确保系统的高可靠性和可扩展性。
- 协同开发：与算法研究员紧密合作，为其提供工程最佳实践支持，并将其原型代码转化为生产级代码；与产品、前端团队协作，共同打造完美的用户体验。
任职要求
必要条件：
- 专业背景：计算机科学、软件工程或相关专业本科及以上学历。
- 编程能力：扎实的 Python 编程功底，熟悉常见的软件设计模式和数据结构。具备良好的工程习惯（代码规范、单元测试、版本控制）。
- AI 框架经验：具备丰富的 PyTorch 或 TensorFlow 的实际项目经验，理解模型的训练和推理流程。
- 部署经验：有至少一种模型部署经验，例如将模型封装为 RESTful API 、使用 TensorRT/OpenVINO 等进行加速、或处理过常见的序列化格式（如 ONNX ）。
- 系统架构理解：熟悉微服务、容器化（ Docker ）和至少一种云服务平台（ AWS/Aliyun 等）的基本服务。
优先考虑条件：
- 有构建和维护 MLOps 平台的经验，熟悉 Kubeflow, MLflow, TFX 等相关工具链。
- 具备 CUDA 编程、高性能计算或模型量化等深度优化经验。
- 有处理音频、音乐或 MIDI 数据经验，或对音乐技术有浓厚兴趣。
- 有在 Linux 环境下进行 C++代码开发和调试的经验。
- 有从 0 到 1 构建和落地 AI 项目（非纯研究性质）的成功经验。
我们提供
- 与顶尖 AI 研究员和音乐家共事的机会，您的工作将直接触达最终用户，产生巨大影响。
- 技术挑战与成长：处理海量推理请求、超低延迟要求、复杂的多模态数据等极具挑战性的工程问题。
- 有竞争力的薪酬 package，包括薪资、期权和绩效奖金。
- 优质的 GPU 计算资源和完善的技术工具链支持。
- 灵活办公和开放包容的技术文化。
联系：eXVfeXVhYmNAMTYzLmNvbQ==
目前尚无回复
Select Language