AI 工程师

岗位介绍

我们正在寻找一位经验丰富的 AI 工程师，负责领导生产 AI 服务的维护、现代化和持续改进。该职位将负责 AI 模型升级和支持技术升级的技术交付，确保变更安全、可靠、可扩展、治理良好，并以对业务运营的最小干扰实施。成功候选人将在 AI 服务生命周期中提供实践技术领导，从升级评估和解决方案设计到测试、发布、生产验证和持续优化。

工作内容

• 负责机器学习、生成式 AI、大语言模型及相关 AI 服务的升级路线图和执行。
• 根据业务需求、性能、安全、兼容性和治理要求评估新模型版本和能力。
• 定义评估标准，监督基准、回归、安全、性能和业务验收测试。
• 领导迁移和推出策略，包括发布顺序、回滚计划、变更控制和实施后验证。
• 确保提示、配置、数据集、评估资产和模型版本受控、可追溯并妥善记录。
• 领导应用框架、库、API、运行时环境、云服务、数据组件和 AI/ML 平台的升级。
• 评估技术债务、依赖关系和生命周期结束风险，转化为优先修复计划。
• 与企业架构和基础设施团队合作，确保解决方案符合技术战略和生产标准。
• 在整个升级生命周期中嵌入负责任 AI、模型风险、网络安全、数据隐私、变更管理和审计要求。
• 维护完整的技术工件和证据，包括架构决策、模型卡、测试结果、批准、发布记录和操作程序。
• 识别和管理技术、模型、运营和第三方风险，升级重大问题并推动及时修复。
• 领导复杂生产事件的调查和解决，包括根本原因分析、纠正措施和预防改进。

任职要求

• 计算机科学、人工智能、数据科学、工程、信息技术或相关领域的学士或硕士学位。
• 12-16 年软件工程、AI/ML 工程、数据工程、平台工程或相关技术角色的相关经验。
• 领导企业级 AI 或 ML 平台和生产服务的丰富经验，包括复杂的模型和技术升级。
• 在大型、受监管或运营关键环境中交付和运营 AI 应用的证明经验。
• 领导多学科技术团队和管理高级利益相关者、外部供应商和技术合作伙伴的良好记录。
• 深入理解 AI/ML 生命周期，包括模型评估、部署、版本控制、监控、再训练、回滚和退役。
• 深入了解生成式 AI、大语言模型、检索增强生成、提示工程、代理工作流和负责任 AI 考虑。
• 精通 Python，具有常见 AI/ML 框架、模型 API、编排工具和数据处理库的经验。
• 具有 MLOps 或 LLMOps 平台、CI/CD 管道、模型注册表、自动评估、容器化和基础设施即代码的实践经验。
• 深入了解 API、微服务、分布式系统、数据库、向量存储、身份和访问控制、安全、日志记录和可观测性。
• 能够诊断跨应用、数据、基础设施和集成层的模型和系统性能问题。