渣打银行
Sr. Engineer, AI Platform
Sr. Engineer, AI Platform
发布于 3 天前普通员工/个人贡献者
广州市
高级经验
全职员工
仅现场办公
本科
GPU
MLOps
LLMOps
MLflow
Bicep
Ai Platform
AI 估算 · 30k–50k
外资金融科技高级工程师，AI平台技术栈领先，但银行薪资略低于互联网，综合市场水平估算约35-45k/m
职位详情
关于这个职位
该职位负责设计、开发并维护混合云AI平台，支持实时机器学习与生成式AI，确保平台符合安全与风险要求
你将与多云（AWS、Azure）、Kubernetes、MLOps/LLMOps等技术打交道，并管理Databricks、GPU集群等基础设施
适合有扎实云平台与AI工程经验的高级工程师
最低要求
经验：设计、管理和维护云及本地平台的经验
在物理服务器（如Dell、HP）上实施AI平台的经验
熟练使用AWS、Azure云平台
掌握基础设施即代码工具（Terraform、Bicep、CloudFormation、ARM模板等）
精通AWS EKS / Azure Kubernetes Service (AKS)
深入理解人工智能与机器学习概念
实施MLOps和LLMOps框架的实操经验
管理Databricks平台的经验
集成开源库（Unity Catalog、MLFlow、KubeFlow）的经验
GPU加速机器学习算法的调优与优化经验
设计开发Ray集群并优化GPU使用的经验
使用Apache Airflow等工具实施数据管道的经验
编程语言经验：Python/Golang
工作职责
策略**
负责设计和交付混合AI平台
确保AI平台交付和服务满足安全与风险要求及运营SLA
业务**
了解AI平台如何为银行服务
流程**
负责为AI平台开发新功能，确保平台高可用
人员与人才**
设计、管理和维护云及本地平台的经验
在物理服务器上实施AI平台的经验（如Dell、HP等）
熟练使用AWS、Azure云平台
掌握基础设施即代码工具如Terraform、Bicep、CloudFormation、ARM模板等
精通AWS EKS / Azure Kubernetes Service (AKS)
深入理解人工智能与机器学习概念
实施MLOps和LLMOps框架的实操经验
管理Databricks平台的实操经验
集成开源库如Unity Catalog、MLFlow、KubeFlow的实操经验
GPU加速机器学习算法的调优与优化
设计开发Ray集群并优化GPU使用
使用Apache Airflow或同等工具实施数据管道的经验
使用Python/Golang等编程语言的经验
风险管理**
识别关键问题并为平台开发新功能的能力
治理**
确保AI平台交付和服务满足安全与风险要求及运营SLA
监管与业务行为**
展示模范行为，遵守集团价值观和行为准则
个人负责嵌入最高道德标准，包括监管和业务行为
有效协作识别、上报、缓解和解决风险、行为及合规事项
AI 洞察
优缺点分析
优点
- 外企大平台，稳定性高，福利完善（20周育儿假、12个月以内sabbatical等）
- 涉及前沿AI技术栈（混合云、K8s、MLOps、LLMOps、GPU），技能积累价值高
- 跨国团队协作，有机会接触全球最佳实践，提升国际化视野
- 银行业数字化转型投入大，AI平台作为核心基础设施，岗位重要性高
- 金融行业合规与安全要求严格，工作流程可能较繁琐，创新节奏受约束
- 混合云架构复杂度高，需要同时管理多环境，故障排查难度大
- 技术迭代快，需持续学习新工具（如Ray、KubeFlow），对学习能力要求高
- 适合具备3-5年云平台与AI工程经验，追求稳定但技术前沿的高级工程师
- 尤其适合希望在金融科技领域深耕、平衡工作与生活的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 横向可发展为AI平台架构师或云基础设施专家，覆盖更广的技术栈
- 纵向可晋升为技术主管或团队负责人，领导AI平台团队
- 也可转向AI解决方案或数据科学方向，深化业务影响力
- 设计并交付混合云AI平台，集成AWS、Azure及本地基础设施，支持实时机器学习与GenAI
- 开发平台新功能，确保高可用性，并管理GPU集群优化机器学习算法性能
- 实施MLOps和LLMOps框架，集成Databricks、MLFlow、KubeFlow等工具，构建自动化流水线
- 与安全、风险及业务团队协作，保证平台符合银行治理与运营SLA
- 精通云平台（AWS/Azure）和容器编排（Kubernetes），熟悉基础设施即代码工具（Terraform、Bicep等）
- 扎实的机器学习与深度学习知识，具备MLOps/LLMOps实操经验，熟悉模型部署与监控
- 熟练使用Python/Golang编程，掌握Databricks、Ray、Airflow等数据处理与调度工具
- 具备GPU优化经验，了解底层硬件（Dell、HP）上的AI平台部署
申请策略
- 提前了解渣打银行的数字化转型战略及AI应用案例，在面试中体现对业务的理解
- 准备一个完整的项目案例，从需求到设计、实施、运维，突出在安全与效率间的权衡
- 突出你在AWS/Azure上的大规模平台设计经验，包含具体项目规模和成果
- 强调MLOps/LLMOps落地案例，如端到端模型部署、监控、回滚等实践
- 展示Kubernetes、Terraform等工具的实际使用深度，尤其是生产环境调优
- 如有GPU集群管理、Ray或Databricks经验，需单独加粗列出
- 若缺乏LLMOps经验，可快速学习KubeFlow、MLFlow或LangChain等框架并动手实践
- 补充对Ray框架的理解，尤其分布式计算与GPU调度部分
面试指南
- STAR法则：描述情境、任务、行动、结果，突出你在技术决策和风险平衡中的作用
- 技术深度+业务价值：解释技术选型时，始终关联对业务连续性和合规性的影响
- 经验教训：分享实际项目中的失败案例和改进过程，展示学习能力和主动性
- 请描述你设计过的一个混合云AI平台架构，你在其中的角色和关键决策
- 如何确保AI平台的高可用性？遇到过哪些故障，如何解决？
- 在MLOps实践中，你是如何管理模型版本、监控模型漂移的？
- 你如何优化GPU资源利用率？请举例说明
- 如何处理银行级合规要求对AI平台的影响？
匹配度报告
74
综合匹配度
外资金融科技高级AI平台工程师，前沿技术栈、稳定平台、良好福利，但现场办公和合规流程略有限制。
适合人群
最适合追求技术成长和稳定回报、能接受适度现场办公的资深工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展85
工作生活60
使命价值70
薪资福利匹配
80较高
作为上市外企，薪资福利在银行中位于中上水平（20周产假、sabbatical、Unmind心理支持），但未给出具体数字，属于市场水准。
薪资信号未披露（AI估算：30K-50K/月）
福利待遇退休储蓄、人寿保险、育儿假（20周）、休假（年假、育儿假、公益活动假3天）、弹性工作制、Unmind数字健康平台
成长发展匹配
85较高
职位涉及混合云、MLOps、LLMOps、GPU优化等前沿技术，且有持续学习文化、内外部培训，成长空间大。
技术前沿前沿/新兴技术
技术栈AI Platform、MLOps、LLMOps、Kubernetes、Databricks、Ray、GPU、Terraform、AWS、Azure
成长机会持续学习文化、技能提升机会
业务类型ambiguous
工作生活匹配
60中等
JD提及灵活工作选项（基于家庭和办公室地点），但未明确远程频率；广州办公地点未说明，默认现场办公，WLB信号一般。
工作模式混合式弹性办公
办公地点未明确
加班情况未提及（无法判断）
工作生活平衡灵活工作选项
使命价值匹配
70中等
渣打银行强调'驱动商业与繁荣'的使命，AI平台作为金融科技核心，具有一定社会价值，但银行业整体中立。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动商业与繁荣、在这里为善
创新程度积极采用新技术
Watch Jobs