机器学习运维工程师，身份解析
将 Bridg 的身份解析模型投入 PAR Technology 餐饮软件平台的生产环境。 构建 AWS 和 Spark 数据管道、CI/CD、监控及可供智能体查询的数据接口。
描述
- 将 Bridg 的身份解析模型从笔记本环境迁移至具备监控和自动化能力的生产环境。
- 构建并维护可靠、可扩展的数据与机器学习管道。
- 编写测试，并为匹配数据添加可观测性。
- 优化 Spark 作业并构建 CI/CD 工作流。
- 加强系统测试和文档建设。
- 与数据科学团队合作，交付生产级机器学习系统。
- 开展探索性数据分析并调查数据质量问题。
- 维护特征管道，确保模型训练与服务环节保持一致。
- 评估冠军模型和挑战者模型，并标记异常结果。
- 创建轻量级接口，让智能体工作流能够查询身份解析结果。
- 使用 AI 辅助编写和重构代码、基础设施即代码、设计文档、日志与运行摘要、数据集探索及评估案例生成。
- 向 Bridg 产品总监汇报。
任职要求
- 具备 2–4 年构建生产级数据或机器学习系统的经验。
- 拥有计算机科学、数据工程或相关领域的学士学位，或具备同等实践经验。
- 具备构建和维护自动化且经过测试的机器学习或数据管道的经验。
- 具备改进数据或机器学习工作流 CI/CD 的经验，包括基于 Git 的流程、自动化单元与集成测试，以及通过分支将变更逐步发布到开发、暂存和生产环境。
- 具备使用 Airflow、Step Functions 或 Databricks Workflows 等工作流编排工具的经验，了解重试、回填、SLA 监控和告警。
- 熟悉 MLflow 等实验跟踪和模型注册工具。
- 接触过监控与可观测性、数据质量与模式漂移检查，以及输入和输出分布漂移。
- 具备基础设施即代码、密钥管理和可复现 Python 环境方面的经验。
- 具备使用 AWS 服务的生产经验，包括 S3、EMR、Glue、Step Functions、Lambda、IAM 和 CloudWatch。
- 了解 Spark 性能主题，包括数据倾斜、shuffle、spill、分区和连接策略。
- 具备向 Redshift 等下游系统提供处理后数据的经验。
- 能够开展探索性数据分析和数据质量调查。
- 具备构建和维护特征管道、确保训练与服务环节一致的经验。
- 具备应用统计学基础知识，包括概率、假设检验、抽样和评估指标。
- 熟练使用 Python 数据科学工具栈，包括 pandas、scikit-learn 和 PySpark。
- 对基于 LLM 的智能体数据集成感兴趣，并愿意构建 MCP 服务器、REST 或 GraphQL 端点、结构化数据流等接口。
- 处理数据契约时具备良好的判断力。
- 能够自在地处理包含个人身份信息的数据集。
- 日常使用 AI 编程助手，并负责审查和测试 AI 生成的代码。
- 必须依法获准在美国或加拿大工作。
- 不得签有妨碍其受雇于 PAR 的竞业限制协议。
福利待遇
- 符合获得奖金的资格。
- 根据适用情况，可能提供佣金和／或股权等额外薪酬。
- 可在符合条件的地点远程工作。
- 为残障人士提供合理便利。
