Site Reliability Engineer, ML System

【投遞方式】請至：https://grnh.se/53eddcd41us 投遞履歷，我們會以這邊收到的履歷為主。 Dcard 是在年輕族群有極高滲透率與影響力的社群平台。我們致力於打造一個讓每個人都可以放心分享自己故事的地方，讓平凡人分享不平凡故事的新世代社群服務。我們的用戶來自世界各地，除了既有社群服務與版圖，我們也正全力擴張發展新型業務及跨國市場。 面對快速變化的社群生態，我們期待更多優秀的人才加入 Dcard。為了達成這個目標，我們需要熟悉機器學習基礎設施且具備卓越維運能力的 Site Reliability Engineer, ML(Data) System 加入，負責設計、實施並維護支持機器學習模型和系統的可靠性與可用性。此職位將與數據科學家、ML 工程師及平台工程團隊密切合作，確保機器學習工作負載穩定、高效地運行。 一起打造被千萬人喜愛與使用的產品！ 【為什麼你該加入 Dcard？】 Dcard 產品從抽卡延伸至社群論壇、廣告等，服務對象從大學生到所有年輕人。我們正在以成長型思維打造一個快速成長、持續擴展影響力的組織。團隊聚焦長期使命願景與戰略，一同專注目標並持續突破。我們面向世界，在不同領域創造更多的發展與機會，也不滿足於現有版圖。我們需要你的加入，幫助 Dcard 在更多領域提供價值給使用者！ 【你將在團隊參與⋯】 ・機器學習產品維運 - 確保機器學習管道（ETL、模型訓練與推理）的穩定性和性能。 - 監控模型運行時的資源使用（CPU、GPU、記憶體、存儲），並進行優化。 ・平台可靠性 - 架構和維護分布式計算系統（如 Kubernetes、TensorFlow Serving、PyTorch Lightning）。 - 設計並實現自動化部署和持續集成/持續交付（CI/CD）流程。 ・性能優化與故障排除 - 優化模型訓練時間與推理延遲，並確保資源利用率最大化。 - 調試與解決系統故障及模型性能異常。 ・基礎設施管理 - 管理雲端及本地資源（如 GCP、AWS、Azure 或自建集群），確保穩定運行。 ・監控與警告 - 實施監控方案（如 Prometheus、Grafana）來觀測模型性能與基礎設施健康狀況。 - 設置即時警告，快速應對系統異常。 ・跨團隊協作 - 與數據科學家、ML 工程師合作，支持新模型的部署與監控需求。 - 提供維運指導和工具，提高團隊運行效率。 【期待看到你具備】 ・3 年以上 SRE、DevOps 或相關領域工作經驗。 ・精通容器化技術（如 Docker）和容器編排工具（如 Kubernetes）。 ・熟悉任一雲計算平台（AWS、GCP、Azure）的部署與管理。 ・熟練任一監控工具（如 Prometheus、Grafana）和警告設置。 ・具備紮實的程式能力（Python、Golang、Shell Script）以及自動化工具的經驗。 【如果你擁有以下能力，那就更棒了！】 ・有分散式系統或大規模機器學習基礎設施設計經驗。 ・了解模型版本控制及推理服務優化。 ・熟悉機器學習框架（如 TensorFlow、PyTorch、XGBoost）和工作流管理工具（如 Airflow、Kubeflow）。 ・有處理實時流數據（如 Kafka、Spark Streaming）的經驗。 【為什麼要加入我們？】 ・我們是充滿熱情的跨國團隊，用成長型思維打造快速成長的組織。 ・擁有高頻率的溝通文化，夥伴間頻繁地討論合作並給予回饋，發揮自己的影響力。 ・彈性的工作氛圍，不論身在團隊擔任任何角色，將擁有彈性工時安排的空間。 ・持續學習是 Dcard 的核心精神，夥伴能隨時取得書籍、課程講座、國內外 Conference 等資源。 【注意事項】 ・如果團隊覺得有機會合作，一起讓 Dcard 往更高的目標邁進，我們會儘速聯絡你！ ・若不符合職位需求的面試者，將不另行通知。 ・如果尋找到合適的人選加入，職缺可能會提前關閉。 ・如果人選在申請過程中提供不實資訊，Dcard 有權取消雇用提議。 ・在 Dcard，每位夥伴都是平等的，我們重視每個人的多元性。Dcard 致力於打造一個多元與共融的環境，尊重並且包容每一位夥伴。我們相信，平等與多元能夠帶來無限創新的可能。因此，我們的招聘流程提供每位應徵者平等的就業機會，並落實無歧視的就業環境。