格步
Senior Machine Learning Engineer
Senior Machine Learning Engineer
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
优化算法
数据挖掘
机器学习
深度学习
网约车行业
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，需处理复杂业务模型和海量数据，技术门槛高，市场竞争力强。
职位详情
关于这个职位
作为Grab出行数据科学团队的高级机器学习工程师，你将负责开发和部署AI模型，以提升乘客的出行体验和平台效率
核心工作包括从海量地理空间、行为和经济数据中提取洞察，构建预测模型解决需求预测、用户偏好、流失率等关键业务问题，并与跨职能团队合作，将数据解决方案规模化落地
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博士学位，或拥有硕士学位并具备至少3年相关经验
拥有作为数据科学家的丰富经验，最好是在网约车或相关行业
深刻理解机器学习、深度学习、数据挖掘、优化算法基础
有使用机器学习框架（如TensorFlow、PyTorch等）的经验
精通以下一种或多种编程语言：Python、Scala
自我驱动，独立学习能力强，并愿意与团队成员分享知识
具备优秀的沟通和人际交往能力，以促进团队协作并向利益相关者有效阐述见解
能够在动态、快节奏的工作环境中茁壮成长，同时处理多项优先任务
工作职责
探索并从海量的地理空间、行为、经济数据以及平台上数千万次的乘客互动中提取洞察，以改善乘客体验和网络效率
为解决关键业务问题做出贡献，例如用户体验、用户增长、供需平衡和服务差异化
开发和实施机器学习模型，以预测出行需求、乘客偏好、乘客取消/流失，并提高网约车系统的整体效率
通过迭代模型增强和A/B测试进行持续改进
与软件工程师、产品经理和运营团队跨职能协作，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
为团队的创新和知识产权创造做出贡献
优先资格
拥有网约车或相关行业的数据科学家经验
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工作，能接触到海量真实业务数据和复杂的商业场景，项目影响力大
- 职业背书：Grab作为上市科技巨头，其工作经历是简历上的有力加分项，为未来职业发展铺平道路
- 全面成长：岗位要求技术、业务、协作能力兼备，能获得全方位的锻炼，避免成为单纯的“调参工程师”
- 工作强度：业务高速发展且动态变化，可能需要处理紧急需求、快速迭代模型，并同时管理多个优先事项
- 技术难度：需要将前沿的机器学习算法有效应用于嘈杂的真实世界数据，并保证线上服务的稳定性和性能
- 协作复杂度：作为数据科学家，需要频繁与不同背景的团队沟通对齐，对沟通和项目管理能力要求高
- 适合拥有扎实机器学习功底、对解决实际商业问题充满热情、并具备优秀沟通协作能力的数据科学家或算法工程师
缺点 / 挑战
- 技术挑战：处理网约车特有的动态定价、供需预测、ETA估算等问题，技术复杂度和创新空间高
角色解读
- 技术专家路径：可深耕机器学习算法、大规模系统架构，成为特定领域（如运筹优化、推荐系统）的技术权威
- 业务领导路径：凭借对业务和数据的深度理解，可转向数据产品经理、业务策略分析师或团队管理岗位
- 行业拓展路径：在网约车行业积累的经验和数据敏感度，可迁移至其他互联网平台、金融科技或智慧出行相关领域
- 核心工作是开发和部署AI模型，直接应用于Grab的网约车业务，以提升乘客体验和平台运营效率
- 需要从海量、多维度的数据（地理、行为、经济）中挖掘洞察，并构建预测模型来解决需求预测、用户偏好分析、流失预警等具体业务问题
- 工作涉及完整的模型生命周期，包括探索、开发、实施、A/B测试和持续迭代优化
- 需要与产品、工程、运营等多个团队紧密协作，将数据洞察和模型转化为可落地的规模化解决方案
- 扎实的机器学习、深度学习理论基础，以及使用TensorFlow/PyTorch等框架进行模型开发的实践经验
- 强大的数据处理和分析能力，能够使用Python或Scala从复杂数据集中提取有价值的信息
- 优秀的业务理解能力，能将网约车行业的业务问题（如供需平衡、用户体验）转化为可量化的数据科学问题
- 出色的沟通与协作能力，能够清晰地向非技术背景的同事阐述技术方案和业务价值
申请策略
- 深入了解Grab的业务版图（出行、外卖、支付等），思考数据科学如何在其生态中创造价值，并在申请材料或面试中体现你的思考
- 关注Grab“用心、渴望、荣誉、谦逊”的企业文化，准备事例说明你如何践行这些价值观或在工作中体现相关特质
- 重点展示与网约车、出行或平台经济相关的数据科学项目经验，特别是涉及预测模型、用户行为分析或运筹优化的案例
- 详细描述你使用机器学习框架（TensorFlow/PyTorch）解决复杂问题的具体过程、技术选型理由和最终的业务影响（最好有量化指标）
- 突出你在跨团队合作中的角色和贡献，例如如何与产品经理协作定义问题，或如何向工程师交付可部署的模型
- 如果有处理大规模、多维度数据集（尤其是时空数据）的经验，务必在简历中清晰体现
- 深化对网约车或共享经济商业模式的理解，思考其中的核心数据科学问题（如动态定价、供需匹配）
- 复习和准备机器学习系统设计相关的面试题，思考如何将模型从实验环境部署到生产环境，并处理数据漂移、模型监控等问题
面试指南
- 对于项目经验类问题，建议采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的技术决策、解决问题的思路以及最终可量化的业务成果
- 对于业务场景建模问题，可以先厘清业务目标，再系统性地拆解影响因素（时间、地点、天气、事件、价格等），最后提出一个从数据、特征到模型、评估的完整技术方案框架
- 对于协作和软技能问题，应展示你的同理心、沟通技巧和以解决问题为导向的态度，避免单纯指责他人，而是强调通过沟通找到共同目标和最佳路径
- 请描述一个你过去参与的、对业务有显著影响的机器学习项目
- 你在其中扮演了什么角色？遇到了什么挑战？如何解决的？
- 如果让你为Grab设计一个预测明天某个城市特定时段出行需求的模型，你会考虑哪些因素和数据？模型的大致框架是怎样的？
- 你如何评估一个上线后的机器学习模型是否仍然有效？如果发现模型性能下降，你的排查步骤是什么？
- 请分享一次你与产品经理或工程师在项目目标或技术方案上存在分歧的经历
职位点评
Watch Jobs