1.精通分布式计算中的性能分析和解决方法，和常见的通信方式实现，精通异构计算和异步计算的底层实现。
2.掌握计算图的生成，分解，聚合，以及常见的分布式最优化方法，模型聚合的理论和实现。
3.精通多种分布式机器学习方法，包括但不限于数据并行，模型并行，PS，AllReduce等等常见方法。
4.精通在线学习，稀疏学习，联邦学习，A3C等若干种范式分布式实现的具体架构和优化经验；
5.熟悉常见框架的分布式使用，包括但不限于tensorflow, pytorch, mxnet, spark, flink；
6.具备丰富的计算机系统和分布式系统经验，能开发和选型分布式系统中各级存储，调度，计算工具等组件。；
7.熟悉常见机器学习范式的原理，了解通用的建模工具。
8.具备某一业务场景下架构落地经验，包括流量分发，风控，广告，搜索，推荐等常见高性能机器学习场景。
9.熟悉大数据挖掘基础架构，分布式机器学习和AutoFeature和Aut