这是一个创建于 1015 天前的主题，其中的信息可能已经有所发展或是发生改变。
我们是必示科技 AIOps 算法团队，致力于打造世界领先的智能运维引擎，用人工智能技术赋能 IT 运维领域，让企业可以从复杂的 IT 软硬件和海量监控数据中自动、准确、快速地进行异常检测、故障定位、风险预测，提高企业 IT 系统可用性和运维效率。运维场景具备丰富的数据基础，拥有数十年积攒的大量痛点和问题场景，是目前人工智能技术最佳落地领域之一。在必示科技，您可以接触到海量的机器监控数据、服务运行日志、业务监控指标等真实数据，设计和研究数据挖掘算法来解决实际问题、产生业务价值、发表顶会论文。团队有来自海内外多所名校的机器学习和智能运维方向的博士，期待您的加盟，共同推动智能运维的前沿发展！
必示科技拥有国际顶尖的异常检测和根因定位的学术积累，相关算法产品已在 40 余家金融企业部署运行，显著的降低了监控误报率、缩短了 MTTR 、减少了人工运维成本，期待和各位感兴趣的同学深入交流学习！
AIOps 算法工程师
工作职责：
负责设计智能运维场景中 AIOps 算法的流程框架，参与算法研究以及相关论文的实验设计工作，完成算法开发；
负责使用实际数据对算法效果测试、优化，确保算法在实际数据上的正确性，提高算法在实际数据上的执行效率；
负责与算法研究员对接，明确算法问题与研究方向，跟进算法研究的整个生命周期；
负责与工程化团队对接，明确算法落地方案，确保算法产品具备丰富性、高效性、鲁棒性等产品实用特性。
岗位要求：
计算机科学专业，本科及以上学历；
机器学习、深度学习、数据分析等方向理论基础扎实；
编程能力卓越，熟练掌握 Python 编程，了解程序效率优化；
有数据分析经验，了解数据分析的步骤，处理过海量数据；
加分项：参与发表过机器学习、数据挖掘等相关方向的 CCF A 类或 B 类文章，在信息学竞赛、ACM 竞赛、Kaggle 竞赛中取得银牌以上奖项。
AIOps 算法研究员
工作职责：
负责与产品团队和大客户对接，指导和规划公司在算法研究的发力方向；
负责智能运维场景中 AIOps 算法需求的定义和梳理，明确算法问题与研究方向，设计和实现算法来解决实际问题；
负责使用实际数据对算法效果测试、优化，改进和优化核心算法，确保算法在实际数据上的正确性；
负责对国内外相关产品、论文进行调研，指导实习生复现论文算法，总结已有算法的优缺点并改进；
负责设计和实现智能运维场景下的原创算法，撰写并发表顶尖学术论文。
岗位要求：
计算机科学专业，博士学历；
以第一作者身份表过机器学习、数据挖掘等相关方向的 CCF A 类或 B 类文章；
机器学习、深度学习、数据分析等方向理论基础扎实；
编程能力扎实，熟练掌握 Python 编程；
有数据分析经验，了解数据分析的步骤，处理过海量数据；
加分项：具备四年及以上机器学习、数据挖掘等相关方向的研究员经历，有带领团队、指导实习生或研究助理的相关经验。
算法实习生
职位介绍：
有接触目前金融行业关注的实际问题和真实数据，体验数据分析的整个流程；
提高编程水平，培养和提升科研思维，文献调研，论文撰写、报告能力；
学习和加深机器学习、深度学习、异常检测、AutoML 等热门方向理论和实战技巧；
优秀的同学更可获得：转正机会；清华大牛推荐信；参与 CCF A/B 类会议投稿；
公司提供不限量零食、健身房等多重福利。
岗位要求：
具有阅读和总结大量文献的能力和良好的算法设计能力；
具有机器学习、深度学习、数据分析等方向的理论基础；
编程能力扎实，熟练掌握 Python 编程；
有数据分析经验，了解数据分析的步骤；
具有学习热情和团队合作精神，踏实认真、自驱力强；
每周工作时间不低于 30 小时，总实习时间不少于 2 个月；
加分项：参与发表过机器学习、数据挖掘等相关方向的 CCF A 类或 B 类文章，在信息学竞赛、ACM 竞赛、Kaggle 竞赛中取得银牌以上奖项。
招聘-业务性能风险识别与分析（实习）
必示科技算法团队在 AIOps 领域拥有领先的科研成果（发表在 KDD 、ATC 、ICSE 、FSE 、INFOCOM 等顶级会议），目前已有 40 余家金融企业部署了我们的 AIOps 算法产品。我们期待您的加盟，共同做出高水平的学术和落地成果！
工作时长：全职不少于 3 个月，如果希望发表论文的话最好 6 个月以上
实习题目：业务性能风险识别与分析
（ 1 ）多维业务数据洞察分析 背景：在业务数据中，包含非常丰富的维度信息，如何从海量维度组合中搜索出更多的有价值信息是工业界和学术界持续探索的热门话题。在业务性能风险发生时（如服务的耗时长、失败数上涨），也需要运维人员对交易明细数据进行分析，发现问题交易的共同点和不同点，进而指导管理员判断后续的风险应对方式。因为业务数据中维度和维度取值非常多，人工分析难以覆盖的足够完整全面，给运维人员的风险治理工作造成了很大的负担。因此，本工作希望基于 AIOps 算法，进一步提升多维业务数据洞察分析的效果和速度。实习生将在本工作中完成在业务性能风险发生时从业务风险聚焦到业务局部异常的过程。 任务 1：相关文献阅读 任务 2：了解算法原型的测试现状，根据建设银行实际案例进行测试，总结效果问题，设计算法优化方案 任务 3：使用 python 语言完成算法优化，离线测试，在业务性能风险发生时，高效的对多维业务数据进行洞察分析，缩小风险范围
（ 2 ）基础设施组件关键问题分析 背景：在业务性能风险发生时（如服务的耗时长、失败数上涨），需要运维人员通过历史上的经验快速的对基础设施组件进行排查分析，定位该风险的源头（如网络抖动、设备丢包、机器重启等）。因为基础设施指标数量众多，人工分析的速度总是会出现瓶颈的，且严重依赖于人工所积累的经验，而每个管理员的经验各不相同，并且经验的传承也需要一定的时间成本。因此，本工作希望基于 AIOps 算法，进一步地提升基础设施组件关键问题分析的速度。实习生将在本工作中完成在业务性能风险发生时从业务风险聚焦到基础设施组件局部异常的过程。 任务 1：相关文献阅读 任务 2：了解算法原型的测试现状，根据建设银行实际案例进行测试，总结效果问题，设计算法优化方案（已识别优化点：融入指标相关性、指标优先级、局部波动等信息） 任务 4：使用 scala 语言完成算法优化，离线测试，在业务性能风险发生时，高效的对基础设施组件关键问题进行排查分析，定位风险源头
微信：suikaixin ；简历投递邮箱： [email protected] ；岗位：AIOps 算法工程师、AIOps 算法研究员、实习生；工作地点：北京或上海
目前尚无回复
Select Language