格步
Lead Machine Learning Platform Engineer
Lead Machine Learning Platform Engineer
发布于 6 个月前基层主管/组长
Singapore, Singapore
高级经验
全职员工
仅现场办公
学历未注明
软件工程
Aws/Gcp/Azure
CI/CD
分布式系统
机器人
Kubeflow/Mlflow
MLOps
PyTorch
TensorFlow
薪资面议
暂无薪资依据说明。
职位详情
关于这个职位
这是一个机器学习平台团队负责人职位，你将作为核心成员领导关键基础设施的开发
你的主要任务是构建和维护MLOps工作流与数据管道，以支持整个团队高效地训练、验证和部署机器人及自动驾驶模型
你将直接负责提升团队的开发效率和系统可靠性，并参与技术和战略层面的领导工作
最低要求
至少5年在机器人、自动驾驶系统、机器学习、统计学、应用数学、计算机科学、经济学、运筹学或相关领域的丰富经验
具备机器学习、深度学习、数据挖掘、优化算法基础方面的经验
了解模型压缩、量化以及优化推理延迟和成本的技术
熟悉GPU/TPU加速和分布式推理架构
精通Python以及深度学习框架（TensorFlow, PyTorch）和部署工具（ONNX, tf-serving, TorchServe, Triton Inference Server）
拥有构建和管理机器学习CI/CD管道的实践经验（例如，GitLab CI, Kubeflow, MLflow）
具备模型版本控制、ML的CI/CD、容器化（例如，Docker）和基于云的部署（AWS, GCP, Azure）经验
工作职责
拥有并运营负责摄取、处理和整理机器人数据集的数据管道
领导我们核心MLOps工作流的设计与实施，包括用于模型训练的CI/CD、数据版本控制和大规模验证
与建模工程师合作，了解他们的需求，并构建能够加速其研究和开发的工具与服务
参与代码和设计评审，以维持我们高标准的开发规范
参与服务容量与需求规划、性能分析、调优和优化
与工程师、数据科学家团队协作，将业务需求转化为数据解决方案，并大规模实施和部署这些解决方案
通过代码评审、设计讨论和知识分享来指导其他工程师
AI 洞察
优缺点分析
优点
- 平台价值高：负责构建支撑整个团队AI研发的基础设施，工作成果直接影响产品核心能力，技术影响力和可见度强
- 技术栈前沿：涉及机器人、自动驾驶、大规模MLOps等热门且复杂的技术领域，能积累非常稀缺和深度的实践经验
- 团队成熟：职位描述中提到团队是资深、注重实操的工程团队，强调卓越运营和清晰接口，意味着良好的工程文化和协作环境
- 技术复杂度高：需要同时精通软件工程、机器学习、分布式系统和特定领域（机器人）知识，对综合能力要求极高
- 跨团队协作要求高：需要与算法、数据科学等多个团队紧密沟通，将模糊的需求转化为具体的工程解决方案，对沟通和抽象能力是考验
- 这个职位适合拥有扎实软件工程背景，并对构建大规模、高可靠的机器学习平台有浓厚兴趣和丰富经验的高级工程师或技术负责人
缺点 / 挑战
- 公司平台优越：Grab是东南亚领先的超级应用，业务场景丰富，数据规模庞大，能接触到真实世界的大规模AI应用挑战
- 责任与压力大：作为负责人（Lead），需要确保关键基础设施的稳定性和效率，任何问题都可能影响整个团队的研发进度
角色解读
- 技术路径：可以从MLOps专家成长为平台架构师，负责更复杂、更底层的系统设计，或向AI基础设施领域专家发展
- 管理路径：作为团队负责人，有机会向工程管理方向发展，例如担任工程经理或技术总监，负责更大的团队和战略规划
- 行业路径：在Grab这样的东南亚领先科技公司积累的自动驾驶和机器人平台经验，为进入全球顶尖的AI或机器人公司奠定坚实基础
- 你将作为技术负责人，负责设计和实施核心的MLOps工作流，包括模型训练、验证和部署的自动化管道，确保团队高效协作
- 你需要构建和维护大规模的数据处理管道，用于机器人数据的摄取、清洗和版本管理，为模型训练提供高质量的数据基础
- 你将与算法工程师紧密合作，理解他们的研发痛点，并开发工具和服务来加速模型从研究到生产的整个生命周期
- 作为团队的技术骨干，你需要参与系统容量规划、性能调优，并通过代码评审和知识分享来指导和培养其他工程师
- 需要扎实的软件工程和系统架构能力，精通Python，并熟练掌握TensorFlow、PyTorch等主流深度学习框架及其部署生态
- 必须具备丰富的MLOps实践经验，包括构建CI/CD流水线、模型版本管理、容器化（Docker）和云平台（AWS/GCP/Azure）部署
- 需要深入理解机器学习模型的生命周期管理，包括对模型压缩、量化、GPU/TPU加速和分布式推理架构有实际认知
- 由于涉及机器人领域，最好对机器人学、自动驾驶或相关领域的系统特性和数据挑战有一定了解
申请策略
- 深入研究Grab在自动驾驶和机器人领域的公开技术博客或新闻，了解其技术栈、业务进展和面临的挑战，在面试中展现你的了解和思考
- 准备阐述你对“可复现的流水线”、“运营卓越”等团队价值观的理解，并举例说明你过去是如何践行这些原则的
- 重点突出你主导或深度参与的MLOps平台建设项目，详细说明你设计的架构、解决的挑战以及带来的效率提升（如缩短模型迭代周期）
- 详细描述你在构建和管理数据管道、CI/CD流水线以及云上部署机器学习模型方面的具体经验和使用的技术栈
- 展示你与算法/数据科学团队成功协作的经验，以及你如何通过工具开发来赋能他们的研发工作
- 如果有机器人、自动驾驶或相关领域的项目经验，务必作为亮点单独强调，说明你对该领域特殊需求的理解
- 如果对机器人领域不熟悉，可以快速补充该领域的基础知识，了解其数据特点（如传感器融合、时序数据）和系统挑战（如实时性、安全性）
- 深入理解一两种主流的MLOps工具链（如Kubeflow Pipelines或MLflow）的核心设计理念和最佳实践，而不仅仅是使用经验
面试指南
- 对于系统设计问题，建议采用“需求分析 -> 架构设计（组件、数据流） -> 关键技术选型与权衡 -> 运维与监控考虑”的结构来回答
- 对于问题排查和经验类问题，使用STAR法则（情境、任务、行动、结果）来组织答案，重点突出你的分析思路、采取的具体行动和量化的成果
- 在回答涉及权衡和决策的问题时，可以展示你的思考过程，列出不同方案的优缺点，并说明你最终决策的依据（如业务优先级、长期维护成本等）
- 请描述你设计过的最复杂的一个MLOps流水线或平台，你遇到了哪些技术挑战，是如何解决的？
- 当算法工程师抱怨模型训练环境不稳定或效率低下时，你会如何系统地排查问题并制定改进方案？
- 你如何设计一个支持多版本模型A/B测试和灰度发布的部署系统？需要考虑哪些关键因素？
- 请谈谈你对机器人/自动驾驶领域数据管道特殊性的理解（与传统的互联网数据相比）
- 你如何平衡快速支持业务需求与构建一个稳定、可扩展的长期平台架构之间的矛盾？
职位点评
Watch Jobs