高级机器学习工程师，应用人工智能与 MLOps 负责人
负责面向生产环境的人工智能解决方案与 MLOps，服务国际化组织。 规划预测模型、治理、部署及可扩展的机器学习架构。
描述
- 负责机器学习模型从开发、生产监控到重新训练的全生命周期。
- 领导客户终身价值、客户流失、欺诈及滥用防范方面的应用人工智能项目。
- 构建并改进 MLOps 框架、自动化部署、CI/CD、环境晋级及模型生命周期管理。
- 建立模型性能、数据漂移、数据质量和业务成果的监控机制。
- 制定模型重新训练策略、升级处理流程及持续改进实践。
- 运用 SHAP 和特征归因提升模型的透明度与可解释性。
- 制定模型治理、文档、版本控制、可复现性和可审计性标准。
- 与数据工程团队合作，建设可扩展的数据管道、特征工程及可靠的数据基础设施。
- 与产品、风险、商务及其他团队协作，将业务挑战转化为实用且可扩展的人工智能解决方案。
- 评估生产环境中的模型表现，提升准确性、可靠性和业务影响。
- 维护生产环境在稳定性、可扩展性、可维护性及运营效率方面的标准。
- 指导并辅导其他工程师。
- 兼顾快速交付 MVP 与长期的生产可靠性和可扩展性。
任职要求
- 拥有 5 至 8 年或以上在生产环境中构建、部署和维护机器学习模型的专业经验。
- 精通 Python，并具备扎实的软件工程基础。
- 理解机器学习算法、模型评估、特征工程和预测建模。
- 具备处理生产机器学习问题的实践经验，例如数据泄漏、模型漂移、数据质量和模型稳定性。
- 具有使用 Apache Spark 或 PySpark 进行分布式计算和大规模数据处理的实操经验。
- 使用过 MLflow 或同类平台管理机器学习生命周期。
- 设计、实施和维护过 CI/CD 管道，最好使用过 GitHub Actions。
- 精通 SQL，并有处理大型复杂数据集的经验。
- 理解模型部署、监控、漂移检测、重新训练和生产维护。
- 实施过 SHAP 等模型可解释性方法。
- 交付过带来可衡量商业或运营改善的人工智能/机器学习解决方案。
- 理解模型治理、版本管理、文档和可复现性要求。
- 能够设计可扩展、可靠且易于维护的机器学习架构。
- 具备出色的分析思维和问题解决能力。
- 能够向非技术相关方清晰传达复杂的技术概念。
- 曾与数据工程、产品、风险和商务等团队协作。
- 能够兼顾快速开发、MVP 交付与稳健的生产工程实践。
- 通过指导他人、技术影响力和工程实践标准展现领导力。
- 以积极主动、独立且注重成果的方式交付人工智能解决方案。
福利待遇
- 根据经验和资历提供具有竞争力的薪酬。
- 完善的员工培训和职业发展计划。
- 有机会领导具有重大影响的人工智能和机器学习项目。
- 接触先进的机器学习技术和现代 MLOps 实践。
- 国际化工作环境及跨职能协作机会。
- 公司、团队及集团活动。
- 生日福利和忠诚服务福利。
- 职业成长和技术领导力发展机会。
- 其他员工福利和激励。