机器学习（ML）系统团队结合系统工程和机器学习的艺术，开发和维护全球范围内的大规模分布式ML训练和推理系统/服务。
在我们的团队中，您将有机会构建与GPU/RDMA/存储集成的大规模异构系统，并保持其稳定可靠的运行，丰富您在编码、性能分析和分布式系统方面的专业知识，并参与决策过程。您还将成为一个由来自美国、中国和新加坡的成员组成的全球团队的一部分，共同合作实现统一的项目方向。
职责：
1. 负责设计和开发用于模型开发、训练和部署的机器学习基础设施和平台服务；
2. 构建和部署与GPU、RDMA网络和高性能存储集成的大规模机器学习系统；
3. 在全球数据中心中设计和开发资源编排和工作负载调度，适用于在线和离线场景；
4. 管理大量GPU资源，以确保计算能力有效地分配给不同的业务线；
5. 成为为业务用户提供技术解决方案和咨询的专家，解决系统稳定性和可用性等问题；
6. 成为跨职能团队（如业务团队、数据中心团队、网络团队、计算团队、存储团队）推动系统和服务建设的项目交付专家；
7. 研究、设计和开发计算机和网络软件或专门的实用程序；
8. 分析用户需求并开发软件解决方案，应用计算机科学、工程和数学分析的原理和技术；
9. 更新软件，增强现有软件功能，并开发和指导软件测试和验证程序；
10. 与计算机硬件工程师合作，集成硬件和软件系统，并制定规格和性能要求；
资格要求：
- 计算机科学、计算机工程或相关专业的学士学位或以上学历；
- 在至少一种编程语言（如C++/Go/Python/Shell）在Linux环境下具有扎实的熟练程度；
- 在大规模系统、多租户系统的贡献方面有经验，包括架构、可靠性和扩展性；
- 在Kubernetes架构方面具有丰富的实践经验，并具备丰富的系统级开发和调优经验；
- 具备出色的逻辑分析能力，能够合理抽象和拆分业务逻辑；
- 具备较强的责任感、良好的学习能力、沟通能力和自我驱动力，具备良好的团队合作精神。
优先但不必要的条件：
- 熟悉大型模型训练和推理的ML基础设施；
- 熟悉前端和后端技术，如Django/Flask/NodeJS/React等；
- 在以下领域之一具有经验：AI基础设施、硬件/软件协同设计、高性能计算、ML硬件架构（GPU、加速器、网络）。
TikTok致力于营造一个包容的空间，员工的技能、经验和独特观点都受到重视。我们的平台连接着全球各地的人们，我们的工作场所也是如此。在TikTok，我们的使命是激发创造力，带来快乐。为了实现这一目标，我们致力于庆祝我们多样化的声音，并创造一个反映我们所触达的众多社群的环境。我们对此充满激情，希望您也是。 
新加坡