格步
Machine Learning Engineer
Machine Learning Engineer
发布于 5 个月前普通员工/个人贡献者
Petaling Jaya, Malaysia
初级经验
全职员工
仅现场办公
本科
软件工程
分布式计算
机器学习基础设施
GitOps
MLOps
AI 估算 · 15k–25k
该职位要求机器学习与云原生技术栈结合，技能门槛高，市场竞争力强，且服务于东南亚领先科技平台，发展前景广阔。
职位详情
关于这个职位
这是一个机器学习工程师职位，你将加入Grab的ML平台团队，负责构建和维护公司的机器学习基础设施
你的核心工作是设计并开发支持分布式数据处理和模型训练的系统，同时利用GitOps、Kubernetes等工具确保系统的可复现性和可扩展性，并为内部用户提供模型部署、监控和管理的支持
最低要求
计算机科学、软件工程或相关领域的学位
年以上全栈开发经验，并有后端接触机器学习或对此领域有浓厚兴趣
对MLOps有基本了解，并对分布式计算用于数据处理有扎实理解
良好的Python和机器学习生态知识
对在Kubernetes上开发和部署系统有深刻理解
良好的DevOps背景，熟悉基础设施即代码（IaC），如Terraform优先
出色的书面和口头沟通能力
工作职责
与机器学习平台团队合作，设计和开发支持分布式数据处理和模型训练的基础设施
利用GitOps确保系统云基础设施在不同Kubernetes集群上的可复现性
负责在由Datadog、Prometheus和Grafana驱动的Grab监控堆栈中开发和集成监控与告警
参与创建操作手册和DevOps指南
与产品团队合作，推广并支持MLOps工具和流程的使用
负责支持用户部署、监控和管理他们的机器学习模型
优先资格
有MLOps或相关领域的经验者优先
有使用ArgoCD等GitOps解决方案的经验者优先
熟悉Helm和Kustomize者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿：专注于MLOps和云原生基础设施，是当前行业热门方向，能系统化提升工程化机器学习的能力
- 职业发展清晰：作为平台团队，技能通用性强，既服务于内部多个业务线，也为未来在AI基础设施领域发展打下坚实基础
- 技术复杂度高：需要同时精通机器学习、分布式系统和云平台运维，对学习能力和问题解决能力要求极高
- 快速迭代环境：科技公司节奏快，基础设施需要持续演进以支持业务创新，要求工程师能适应变化并主动优化系统
- 适合对机器学习工程化（MLOps）有浓厚兴趣，具备扎实软件工程和云平台背景，并希望在大规模生产环境中构建AI基础设施的工程师
缺点 / 挑战
- 平台价值高：在东南亚领先的超级应用平台工作，能接触海量真实业务数据和复杂的工程挑战，项目影响力大
- 跨团队协作压力：作为平台支持角色，需要频繁与不同业务团队沟通，理解需求并提供稳定可靠的服务，沟通和项目管理能力是关键
角色解读
- 技术路径上，可以从MLOps工程师向ML平台架构师或技术专家（如专注于大规模分布式训练、推理优化）方向发展
- 职业路径上，有机会转向技术管理岗位（如工程经理），或深入特定业务领域（如金融科技、出行）成为解决方案专家
- 你将设计和开发支撑公司内部机器学习应用的基础设施，重点是分布式数据处理和模型训练的系统
- 你的工作包括利用GitOps实践管理Kubernetes集群，确保机器学习工作流的可复现性和自动化部署
- 你需要集成和开发监控告警系统（如Datadog, Prometheus），并创建相关文档，以支持内部用户高效使用ML平台
- 核心是结合软件工程与机器学习，需要扎实的Python编程能力和对ML生态（如常用库、框架）的理解
- 必须具备云原生技术栈的实战经验，特别是Kubernetes的部署运维，以及GitOps（如ArgoCD）、IaC（如Terraform）等工具
- 需要良好的DevOps思维，能够构建和维护CI/CD流水线、监控系统，并具备出色的沟通能力以支持跨团队协作
申请策略
- 深入了解Grab的业务（出行、外卖、金融等），思考ML平台如何赋能这些业务，并在面试中展现你的业务洞察力
- 研究Grab的技术博客或开源项目，了解其技术栈和文化，这能体现你的主动性和对公司的兴趣
- 重点突出与Kubernetes、CI/CD流水线、监控告警（如Prometheus）相关的项目经验，特别是自动化部署和运维的实践
- 详细描述任何将机器学习模型从开发到生产部署（Model Deployment）的全流程项目，并量化你的贡献（如提升的效率、降低的延迟）
- 展示你使用基础设施即代码（如Terraform）和GitOps工具（如ArgoCD, Flux）管理云资源的经验
- 强调你的协作和沟通能力，例如如何支持其他团队、编写技术文档或进行知识分享的经历
- 如果对特定MLOps工具（如MLflow, Kubeflow）不熟悉，可以快速学习其核心概念并通过一个小型项目实践
- 加强对大规模数据处理框架（如Spark, Dask）和分布式训练框架（如PyTorch DDP, Horovod）的理解
面试指南
- 对于技术设计问题，采用“需求分析 -> 架构设计（组件、数据流） -> 关键技术选型理由 -> 考虑的可扩展性、容错性等非功能需求 -> 监控运维方案”的结构来回答
- 对于行为或场景问题，使用STAR法则（Situation, Task, Action, Result）来组织答案，清晰说明背景、你的角色、具体行动和可量化的成果
- 请描述一个你参与过的机器学习项目，并详细说明你是如何将模型部署到生产环境并进行监控的
- 你如何设计一个可扩展的、基于Kubernetes的分布式模型训练系统？需要考虑哪些关键因素？
- 请解释GitOps的核心原则，并说明你如何使用它（例如ArgoCD）来管理机器学习工作流
- 当模型在生产环境中出现性能下降时，你的排查思路和工具有哪些？
- 你如何平衡为内部用户提供快速支持与确保平台系统长期稳定性和可维护性之间的关系？
- 系统复习Kubernetes核心概念（Pod, Service, Deployment, ConfigMap, Secret等）、网络模型和常用运维命令
职位点评
Watch Jobs