格步
Senior Machine Learning Engineer (Deliveries & ACE)
Senior Machine Learning Engineer (Deliveries & ACE)
发布于 5 个月前普通员工/个人贡献者
Petaling Jaya, Malaysia
高级经验
全职员工
仅现场办公
硕士
数据分析与科学
A/B测试
地理空间分析
数据分析
机器学习
深度学习
需求预测
PyTorch
TensorFlow
AI 估算 · 35k–55k
高级机器学习工程师在东南亚科技巨头需求旺盛，需处理复杂模型和业务问题，薪资具备竞争力。
职位详情
关于这个职位
这是一个专注于Grab送餐和堂食/预订业务的高级机器学习工程师职位
你将负责分析大规模数据集，开发并部署AI/ML模型，以优化用户体验、预测需求、提升服务可靠性，并推动平台增长
工作涉及与跨职能团队紧密合作，将数据洞察转化为实际业务解决方案
最低要求
拥有机器学习、统计学、应用数学、计算机科学、经济学、运筹学或相关领域的硕士学位
至少拥有3年分析大规模数据集（例如地理空间、行为和交易数据）以提取业务洞察的经验
具备机器学习、深度学习、优化算法和数据挖掘技术知识
熟悉TensorFlow或PyTorch等ML框架对于构建和优化预测模型至关重要
能够使用Python或Scala设计和实施机器学习管道
能够在送餐、预订或电子商务领域，运用AI驱动的策略来预测、塑造和创造需求
拥有在送餐、预订行业或电子商务应用中，将AI解决方案应用于实际问题的经验
工作职责
分析大规模数据集（地理空间、行为、交易数据），以揭示关于用户在送餐和堂食/预订服务中购物行为和模式的可操作见解
使用AI预测购物需求、偏好和取消概率，改进个性化推荐并增强服务可靠性
使用先进的机器学习模型预测送餐需求的激增和餐厅预订趋势
优化可见性策略，以匹配用户需求和供应，确保网络性能高效并减少未完成订单的情况
实现对不同用户细分群体的智能定向，以推动需求生成工作
设计、测试和部署AI模型，通过A/B测试和实时性能监控对其进行优化
与产品经理、工程师、分析师、设计师和运营团队合作，在整个平台上扩展和实施有影响力的解决方案
通过在送餐和全渠道商务领域的AI/ML空间推动创新和创造知识产权，为团队的进步做出贡献
AI 洞察
优缺点分析
优点
- 平台优势：在东南亚领先的超级应用Grab工作，能接触到海量、多样化的真实业务数据，解决有重大影响力的复杂问题
- 技术栈前沿：专注于AI/ML在送餐和全渠道商务的前沿应用，有机会实践从模型开发到A/B测试和实时监控的全流程
- 职业发展：作为跨国科技巨头的核心数据科学团队成员，拥有清晰的职业发展路径和内部成长机会
- 业务复杂性：需要深刻理解送餐和餐饮预订的业务逻辑，并将技术解决方案与快速变化的业务需求紧密结合
- 协作强度：需要频繁与产品、工程、运营等多个非技术团队沟通协作，对齐目标并推动解决方案落地
- 适合拥有扎实机器学习背景、对解决现实世界商业问题充满热情，并希望在快速发展的科技平台中产生大规模影响的数据科学家或机器学习工程师
缺点 / 挑战
- 技术难度：处理大规模、多模态（地理空间、行为）数据并构建高性能、可扩展的生产级模型具有挑战性
角色解读
- 技术路径：可以发展成为机器学习专家、首席数据科学家，或专注于特定领域如计算机视觉、NLP或强化学习
- 管理路径：凭借项目领导和跨团队协作经验，可以转向数据科学团队管理或技术领导岗位
- 业务影响：通过解决核心业务问题，可以成长为连接技术与商业战略的关键角色，影响产品路线图和公司决策
- 你将分析大规模的地理空间、行为和交易数据，以理解用户在送餐和餐厅预订服务中的行为模式
- 你将开发并部署机器学习模型，用于预测需求、用户偏好和订单取消概率，从而优化个性化推荐和平台效率
- 你将与产品、工程和运营等跨职能团队合作，将AI模型规模化并整合到Grab的生态系统中，以解决实际的业务挑战
- 强大的机器学习和深度学习知识，能够熟练使用TensorFlow或PyTorch等框架构建和优化预测模型
- 精通Python或Scala，具备设计和实施端到端机器学习管道以处理大规模数据集的能力
- 在送餐、预订或电子商务领域，拥有将AI解决方案应用于实际业务问题（如需求预测、个性化）的经验
申请策略
- 研究Grab的业务，特别是其送餐（GrabFood）和餐饮预订服务，思考你可以为这些业务带来哪些数据驱动的改进
- 准备讨论你过去项目中遇到的挑战、如何权衡模型复杂性与业务需求，以及如何衡量和沟通模型的影响力
- 突出展示你使用机器学习（特别是TensorFlow/PyTorch）解决实际业务问题的项目经验，尤其是与预测、推荐或优化相关的项目
- 详细描述你处理和分析大规模数据集（特别是地理空间或行为数据）的具体经历、所用工具（如Python, Spark）和取得的业务成果
- 强调你在送餐、电子商务或相关领域的行业经验，以及你与跨职能团队（产品、工程）合作交付项目的成功案例
- 深化对送餐平台或双边市场业务模型的理解，思考AI如何应用于需求预测、供需匹配和用户体验优化
- 复习并准备关于机器学习系统设计、模型部署、A/B测试框架以及处理生产环境中数据漂移等问题的知识
- 练习使用Python（Pandas, Scikit-learn）或Scala进行数据操作和构建端到端ML管道的编码能力
面试指南
- 使用STAR方法（情境、任务、行动、结果）来结构化你的回答，始终将技术细节与业务目标和成果联系起来
- 对于技术问题，清晰地解释你的思考过程、所做的权衡（如精度 vs. 延迟、模型复杂度 vs. 可解释性）以及背后的理由
- 在回答协作类问题时，强调沟通、对齐期望、管理优先级以及将技术工作转化为非技术利益相关者能理解的价值主张的能力
- 请描述一个你使用机器学习模型解决复杂业务预测问题（如需求预测）的项目
- 你如何评估模型的有效性？
- 你如何处理和从地理空间数据中提取特征？请举例说明它如何帮助解决业务问题
- 如果模型的线上A/B测试结果与离线评估不一致，你会如何排查问题？
- 描述一下你设计过的机器学习系统的架构，包括数据处理、模型训练、部署和监控
职位点评
Watch Jobs