首席机器学习工程师，生成式人工智能（美国远程）
为安进生物制药业务主导大型语言模型、智能体人工智能和机器学习概念验证项目。 将经过验证的方案转化为可供企业使用的应用。
描述
- 与业务负责人合作，了解工作流程、挑战和目标。
- 发掘人工智能应用机会，并明确成功方案需要实现的目标。
- 带领跨职能团队，将尚不明确的机会转化为重点明确的人工智能计划。
- 为概念验证项目确定优先事项、技术方向、成功指标和推广计划。
- 运用大型语言模型、智能体工作流、检索增强生成、数据管道、API、云服务和企业平台设计并构建人工智能概念验证项目。
- 亲自负责影响重大的技术工作。
- 通过实际实验检验技术可行性和业务价值。
- 规划数据准备、集成、用户体验、安全、合规、性能、成本和运营事项。
- 设计可扩展架构，并制作可复用组件、文档、决策记录和交接材料。
- 在产品和平台团队将成功的概念验证转化为企业解决方案时提供指导。
- 通过技术领导和指导他人制定工程标准。
- 影响设计决策、改进交付实践，并帮助团队应对不确定性。
任职要求
- 拥有博士学位并具备2年机器学习工程师经验；硕士学位并具备6年经验；学士学位并具备8年经验；副学士学位并具备10年经验；或高中毕业文凭或GED并具备12年经验。
- 拥有丰富的机器学习和软件工程经验，包括对超越原型或试点阶段的应用承担高级技术职责。
- 具备高级全栈开发技能。
- 熟练使用Python。
- 具备构建API、后端应用、用户界面和数据集成的经验。
- 具备现代软件设计实践经验。
- 具备AWS等云平台的实操经验。
- 具备DevOps经验，熟悉Terraform或同类基础设施即代码工具、容器、CI/CD、自动化部署和可观测性。
- 扎实掌握生成式人工智能和机器学习应用设计。
- 具备模型选择、评估和运行经验，并能权衡托管服务、开源工具和定制实现方案。
- 具备企业架构和集成模式经验。
- 了解访问控制、敏感数据处理、可靠性、性能和可维护性。
- 具备为人工智能应用制定定量和定性评估方法的经验。
- 具备扎实的软件工程实践经验，包括自动化测试、版本控制、模块化设计、代码审查、文档编写和人工智能开发工具。
- 通过架构决策、指导他人以及与业务、产品、工程、安全和平台团队协作展现技术领导力。
- 至少有2年领导团队、项目或计划，或负责资源分配的经验。
- 具备清晰的书面和口头沟通能力。
- 具备向技术和业务受众解释技术选项及其权衡的经验。
福利待遇
- 全面的员工福利，包括公司慷慨出资的退休和储蓄计划。
- 团体医疗、牙科和视力保险。
- 人寿和伤残保险。
- 灵活支出账户。
- 酌情发放的年度奖金计划。
- 股票长期激励。
- 屡获殊荣的休假计划。
- 条件允许时提供灵活工作安排。
- 职业发展机会。
- 工作与生活平衡支持。
- 提供可用于退休及其他目标储蓄的财务计划。