高级后端软件工程师，AI 平台 — inDrive
为 inDrive 机器学习平台构建 Go 和 Python 服务，支持生产环境中的模型和 MLOps 工具。 协助运维可观测、高负载基础设施，为覆盖 48 个国家的系统提供服务。
描述
- 为机器学习平台构建并运维 Go 和 Python 后端服务及内部工具。
- 负责生产服务的交付、监控和轮值支持。
- 研究并设计平台功能，记录关键技术权衡。
- 开发用于模型服务、自动扩缩容和数据采集的部署工具与 SDK。
- 通过同步和异步通信将机器学习服务连接到后端系统。
- 与数据科学家和机器学习工程师合作，开展模型与流水线 CI/CD、监控及性能指标工作。
- 通过指标、日志、仪表盘、链路追踪、告警和运行手册实现端到端可观测性。
- 通过经评审的拉取请求，使用 Terraform 和 Terragrunt 以代码管理基础设施。
- 参与代码和设计评审、指导工程师，并以与其他贡献相同的标准评估 AI 生成的变更。
- 与数据科学、机器学习、软件和数据工程团队协作。
任职要求
- 至少五年商业后端工程经验，包括高负载系统相关工作。
- 具备扎实的 Go 生产环境经验，熟悉其高级特性。
- 熟练使用 Python 进行数据处理和服务开发。
- 具备扎实的 SQL 技能，包括架构设计、索引、查询优化、复制和分区。
- 有 Redis 或同类键值存储的使用经验。
- 具备 HTTP、gRPC、Kafka 或 RabbitMQ 经验，尤其关注可靠性。
- 有 Docker 和 CI/CD 流水线经验，并了解 Kubernetes。
- 了解 AWS 或 Google Cloud 的核心服务，包括计算、存储、网络以及身份和访问管理。
- 理解机器学习生命周期，包括数据准备、模型性能指标、非功能性要求和概念漂移。
- 熟悉 scikit-learn、PyTorch 或 TensorFlow。
- 有设计和运维可观测性系统的经验，涵盖指标、日志、仪表盘、链路追踪、告警和运行手册。
- 有 Prometheus、Grafana、ELK 或类似工具的使用经验。
- 熟悉 Git 工作流、代码评审、Linux 命令行，以及 TCP/IP、DNS、VPC 和负载均衡器等网络基础知识。
- 能够向数据科学家、产品负责人和轮值工程师清晰说明技术权衡。
- 加分经验：Databricks、SageMaker、Kubeflow、MLflow 或 Airflow 等 MLOps 工具；GPU 或 LLM 推理；AI 编程代理；新兴市场；或基础设施即代码工具。
福利待遇
- 在全球规模的环境中工作，生产模型服务于全球车队，并涉及可观的 GPU 预算和 LLM 工作负载。
- 后端工程师有机会成长为 MLOps 工程师，并可获得平台团队的指导。
- 通过导师指导、职业咨询和学习项目提升专业技能。
- 参加 Global Talent Exchange Program，获得国际工作体验。
- 参与公司范围内的挑战活动、奖项、体育活动、员工主导的社会影响项目和志愿服务。
- 可参加共同资助的语言课程和内部口语俱乐部。
- 福利可能因工作地点而异。