資深後端軟體工程師，AI 平台 — inDrive
為 inDrive 機器學習平台打造 Go 與 Python 服務，支援正式環境中的模型和 MLOps 工具。 協助維運具可觀測性、高負載的基礎架構，服務遍及 48 個國家的系統。
說明
- 為機器學習平台打造並維運 Go 與 Python 後端服務及內部工具。
- 負責正式環境服務的交付、監控和輪值支援。
- 研究並設計平台功能，記錄關鍵技術取捨。
- 開發用於模型服務、自動擴縮和資料擷取的部署工具與 SDK。
- 透過同步和非同步通訊，將機器學習服務連接至後端系統。
- 與資料科學家和機器學習工程師合作，處理模型與管線 CI/CD、監控及效能指標。
- 透過指標、日誌、儀表板、追蹤、警示和執行手冊，實現端對端可觀測性。
- 透過經審查的提取請求，使用 Terraform 和 Terragrunt 以程式碼管理基礎架構。
- 參與程式碼和設計審查、指導工程師，並以與其他貢獻相同的標準評估 AI 產生的變更。
- 與資料科學、機器學習、軟體和資料工程團隊協作。
職位要求
- 至少五年商業後端工程經驗，包含高負載系統相關工作。
- 具備扎實的 Go 正式環境經驗，熟悉其進階功能。
- 熟練使用 Python 進行資料處理和服務開發。
- 具備扎實的 SQL 技能，涵蓋結構描述設計、索引、查詢最佳化、複寫和分割。
- 有 Redis 或同類鍵值儲存系統的使用經驗。
- 具備 HTTP、gRPC、Kafka 或 RabbitMQ 經驗，並著重可靠性。
- 有 Docker 和 CI/CD 管線經驗，並具備 Kubernetes 基本知識。
- 了解 AWS 或 Google Cloud 的核心服務，包括運算、儲存、網路以及身分與存取管理。
- 理解機器學習生命週期，包括資料準備、模型效能指標、非功能性需求和概念漂移。
- 熟悉 scikit-learn、PyTorch 或 TensorFlow。
- 有設計和維運可觀測性系統的經驗，涵蓋指標、日誌、儀表板、追蹤、警示和執行手冊。
- 有 Prometheus、Grafana、ELK 或類似工具的使用經驗。
- 熟悉 Git 工作流程、程式碼審查、Linux 命令列，以及 TCP/IP、DNS、VPC 和負載平衡器等網路基礎。
- 能向資料科學家、產品負責人和輪值工程師清楚說明技術取捨。
- 加分經驗：Databricks、SageMaker、Kubeflow、MLflow 或 Airflow 等 MLOps 工具；GPU 或 LLM 推論；AI 程式設計代理；新興市場；或基礎架構即程式碼工具。
福利待遇
- 在全球規模的環境中工作，正式環境模型服務遍及全球車隊，並涉及充足的 GPU 預算和 LLM 工作負載。
- 後端工程師有機會朝 MLOps 發展，並可獲得平台團隊的指導。
- 透過導師指導、職涯諮詢和學習計畫培養專業技能。
- 加入 Global Talent Exchange Program，獲得國際經驗。
- 參與全公司挑戰活動、獎項、運動、員工主導的社會影響專案和志工服務。
- 可使用共同資助的語言課程和內部會話社團。
- 福利可能因工作地點而異。