Company name：北京千曙科技有限公司
Countries & Regions：No requirement
Work Type：Full time
Position Type：Other
Number Of Vacancy：Several
Salary Range：face to face
以下岗位仅供预览，请同学们准备简历，到现场与雇主进行交流面试！
千曙科技 2026 校园招聘
详见附件：
岗位描述：
SRE / 基础设施工程师
工作地点：北京/广州黄埔区
职位描述
我们正在招募一名 SRE / 基础设施方向的应届生，加入基础设施与平台工程团队。你将在导师指导下，参与公司云资源管理、网络基础设施建设、Kubernetes 集群运维以及自动化部署体系的建设与优化，系统学习生产级基础设施运维的核心技能，为自动驾驶技术研发提供坚实的基础设施保障。
主要职责
- 参与公有云资源的日常管理与维护，学习资源规划与成本优化策略
- 协助设计与搭建办公网络及内部基础设施
- 使用 IaC 工具（Terraform/Ansible 等）参与基础设施的自动化管理与标准化建设
- 参与 Kubernetes 集群的日常运维、故障排查与性能优化
- 协助设计与优化 CI/CD 流水线，提升服务部署效率与发布稳定性
- 参与资源自动化管理平台的开发与维护
- 编写运维文档与自动化脚本，沉淀运维最佳实践
- 协助处理系统运行中的各类技术问题，参与值班与应急响应
任职要求
- 本科或硕士应届毕业生，计算机/软件工程/网络工程/自动化等相关专业
- 扎实的 Linux 系统基础，熟悉常用命令、文件系统与 Shell 脚本编写
- 了解计算机网络基础知识（TCP/IP、DNS、HTTP、路由与交换、防火墙等）
- 了解 Docker 容器技术基本概念，有实际使用经验者优先
- 掌握至少一种编程语言（Python/Go/Shell），具备自动化脚本编写能力
- 学习能力强，对系统底层、基础设施与可靠性工程有浓厚兴趣
- 具备良好的问题分析能力、沟通能力与团队协作精神
加分项
- 了解 Kubernetes 基本架构与核心概念（Pod/Service/Deployment/网络模型等）
- 使用过 Terraform、Ansible 或其他 IaC 工具
- 有云平台（AWS/阿里云/腾讯云）使用经验
- 了解 CI/CD 基本概念，使用过 GitLab CI/GitHub Actions 等工具
- 了解云原生生态（Service Mesh/可观测性/容器安全等概念）
- 有网络安全基础知识或相关实践
- 有个人技术博客、开源贡献或相关竞赛经历
机器学习训练平台工程师
工作地点：北京/广州黄埔区
职位描述
我们正在招募一名训练平台方向的应届生，参与公司机器学习训练基础设施的建设与演进。你将在导师指导下，学习并参与从数据准备、分布式训练、超参搜索到模型交付的全链路平台工程，深入理解大规模训练系统的设计与优化。
主要职责
- 参与训练平台的功能开发与迭代，支持单机多卡与多机多卡训练场景
- 协助设计与实现训练作业的编排与调度能力
- 参与 Kubernetes 上训练栈的维护与优化
- 协助构建标准化训练模板与实验管理工具
- 参与模型资产管理（版本控制、Checkpoint 管理、结果对比）的工程实现
- 编写高质量代码与技术文档，参与代码评审
任职要求
- 本科或硕士应届毕业生，计算机/软件工程/自动化/人工智能等相关专业
- 精通 Python，了解 Go 或 Java 者优先
- 了解 Docker 与 Kubernetes 基本概念，有容器化应用部署经验者优先
- 了解深度学习基础与主流训练框架（PyTorch/TensorFlow），有模型训练经验
- 了解分布式训练的基本原理（数据并行/模型并行/梯度同步等概念）
- 具备良好的工程能力与代码习惯，熟悉 Git 协作流程
- 学习能力强，对大规模系统与平台工程有热情
加分项
- 了解 PyTorch Distributed、DeepSpeed、FSDP 等分布式训练框架
- 了解对象存储（S3/OSS）、并行文件系统等存储技术
- 有 Kubeflow、Ray 或类似平台的使用经验
- 有开源贡献或高质量的课程项目/毕业设计
- 有 GPU 集群使用经验或高性能计算相关背景
模型优化工程师
工作地点：北京/广州黄埔区
职位描述
我们正在招募一名模型优化方向的应届生，参与感知/定位/预测/规划等核心模型的训练与推理全链路性能优化工作。你将在导师指导下，学习从算子层到系统层的性能分析与优化方法，深入理解深度学习模型的高效部署。
主要职责
- 参与模型在训练与推理阶段的性能分析，学习瓶颈定位方法（显存/算力/带宽/IO）
- 协助实施量化/剪枝/蒸馏等模型压缩策略，理解精度与性能的权衡
- 参与基于 TensorRT/ONNX Runtime 等工具的推理加速与算子优化
- 协助构建自动化基准测试与性能回归体系
- 编写高质量工程代码与实验文档，参与性能数据分析与汇报
任职要求
- 本科或硕士应届毕业生，计算机/电子/自动化/数学等相关专业
- 扎实的深度学习基础，熟悉 Transformer/CNN 等主流模型架构
- 熟练使用 PyTorch 或 TensorFlow，有模型训练与调试经验
- 了解模型推理部署的基本流程（ONNX 导出、推理引擎使用等）
- 了解混合精度训练（FP16/BF16）的基本概念
- 具备 Python 编程能力，了解 C/C++ 者优先
- 学习能力强，对性能优化与系统底层有浓厚兴趣
加分项
- 有 TensorRT、TVM、ONNX Runtime 等推理引擎使用经验
- 了解 CUDA 编程基础与 GPU 架构基本概念
- 有使用 Nsight、nvprof、torch.profiler 等性能分析工具的经验
- 有量化/剪枝/蒸馏等模型压缩的实践经验（课程项目或论文均可）
- 有相关竞赛（如 MLPerf、模型推理优化赛等）参赛经历
- 有高质量的学术论文或开源贡献
Tele.：18210580222
