格步
Senior Data Scientist (GrabMaps)
Senior Data Scientist (GrabMaps)
发布于 5 个月前普通员工/个人贡献者
Singapore, Singapore
高级经验
全职员工
仅现场办公
博士
数据分析与科学
Aws/Gcp/Azure
Prompt Engineering
Generative AI
LLM
Multi-Modal Models
PyTorch
TensorFlow
AI 估算 · 60k–100k
该职位要求顶尖的AI/LLM技能和博士学位，技术门槛高，市场人才稀缺，且直接服务于核心业务，薪资竞争力强。
职位详情
关于这个职位
作为GrabMaps的高级数据科学家，你将负责设计、构建并部署机器学习与生成式AI解决方案，以提升地图数据的理解与应用能力
工作聚焦于利用大语言模型（LLM）、视觉和多模态模型来改进地点搜索、推荐以及地图内容理解，直接服务于Grab的核心交通分配、物流和定价服务
你将参与从问题定义、模型开发到生产部署的全流程，有机会探索新想法，影响数百万用户的产品体验
最低要求
计算机科学、电气/计算机工程、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2年将高级机器学习方法应用于实际问题的同等实践经验
在深度学习和AI领域拥有实践经验，精通大语言模型（LLM），包括微调、提示工程以及为下游任务适配基础模型
拥有将LLM及其他大规模AI模型部署到生产环境的经验：
在生产环境中服务LLM和智能体系统的经验（例如使用TorchServe、Triton、Ray Serve）
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
拥有实施和维护用于数据预处理、模型训练、微调和自动化评估的可扩展管道的经验
精通深度学习框架（TensorFlow、PyTorch）和部署工具（ONNX、tf-serving、TorchServe、Triton Inference Server等）
扎实的Python/Spark软件工程技能
拥有模型版本控制、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
将地图、搜索和推荐中的业务问题转化为清晰的机器学习问题，定义成功指标，并向技术和非技术利益相关者解释你的方法和结果
负责中小范围ML/LLM功能或服务的端到端交付，涵盖从数据探索、模型设计到训练、评估、部署和发布后监控的全过程
开发并优化深度学习模型（包括LLM、生成式和多模态模型），以解决POI理解、相关性排序、内容生成和地图数据质量等用例
使用监督微调和基于强化学习的方法（包括针对下游任务的提示和指令设计）对最先进的LLM（例如GPT、Llama、Qwen）和其他基础模型进行微调、评估和适配
架构并实现智能体AI工作流（例如使用LangChain、LlamaIndex或函数调用API），包括工具集成、工作流链式调用以及用于实时或近实时应用的多智能体协调
构建和维护用于数据预处理、特征提取、模型训练、微调、自动化评估和模型版本控制的可扩展管道，与ML工程师和软件工程师合作，使其在生产环境中运行
使用模型压缩、量化、GPU/TPU加速和分布式推理等技术优化模型服务的延迟、吞吐量和成本，并与TorchServe、Triton或Ray Serve等服务框架集成
回顾搜索/推荐、NLP/LLM和计算机视觉领域的最新研究，进行有针对性的实验，并将有前景的想法转化为生产原型或功能
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平台工作，项目直接影响数百万用户，能获得宝贵的规模化产品经验
- 技术前沿：专注于LLM、生成式AI等最热门的技术领域，有机会接触并实践最先进的模型和架构
- 全流程参与：从研究到生产部署的端到端项目所有权，能全面锻炼技术、工程和业务能力
- 行业前景：AI与地图/出行/物流的结合是极具潜力的方向，相关技能在市场上需求旺盛
- 技术复杂度高：需要同时精通前沿AI研究、大规模系统工程和业务理解，对综合能力要求极高
- 快速迭代：AI领域技术更新迅速，需要持续学习并快速将新技术整合到现有产品中，保持竞争力
- 适合拥有扎实AI/ML背景（尤其是LLM经验）、热爱解决复杂技术难题、并希望在有影响力的产品中实践前沿技术的资深数据科学家或机器学习工程师
缺点 / 挑战
- 交付压力：作为核心业务的技术支持，模型需要稳定、高效地服务于实时应用，对系统性能和可靠性要求严格
角色解读
- 技术专家路径：深耕LLM、多模态AI和生成式AI领域，成为公司内部或行业内的顶尖技术专家或架构师
- 技术管理路径：随着项目经验和影响力的积累，可以转向领导技术团队，负责更复杂的产品线或技术战略规划
- 跨领域拓展：凭借对地图数据和AI的深度理解，未来可向产品管理、业务策略或创业等方向拓展
- 你将负责将地图、搜索和推荐中的复杂业务问题转化为可执行的机器学习项目，并定义衡量成功的指标
- 你需要端到端地开发、优化并部署深度学习模型，特别是大语言模型和多模态模型，以解决POI理解、内容生成等实际问题
- 你的工作包括构建和维护从数据预处理到模型服务的可扩展生产管道，并与工程团队紧密合作确保系统稳定运行
- 你需要持续跟踪AI研究前沿，进行实验，并将有潜力的新技术（如智能体工作流）快速转化为产品原型或功能
- 深厚的机器学习与深度学习功底，特别是对大语言模型的微调、提示工程和适配有丰富的实践经验
- 强大的软件工程能力，精通Python和主流深度学习框架，并具备将复杂模型部署到生产环境的全栈经验
- 熟悉现代MLOps实践，包括模型版本控制、CI/CD、容器化以及云平台部署，能构建和维护健壮的ML管道
- 出色的问题解决和沟通能力，能将技术方案清晰地传达给不同背景的利益相关者，并推动项目落地
申请策略
- 深入了解Grab的业务，特别是GrabMaps在其生态系统中的角色，思考AI技术如何创造更大价值，并在面试中展现你的见解
- 准备详细的项目案例，能够清晰阐述从问题定义、技术方案、实施细节到结果评估的全过程，体现你的结构化思维和执行力
- 重点突出与LLM微调、提示工程、多模态模型或生成式AI相关的项目经验，详细说明你的具体贡献和技术选型
- 详细描述你曾将AI模型（特别是大规模模型）部署到生产环境的完整案例，包括遇到的挑战、解决方案和最终的业务影响
- 展示你构建和维护可扩展ML管道的经验，提及使用的具体工具链（如Docker, CI/CD, 云服务）和取得的效率提升
- 如果有发表论文、开源项目贡献或在知名会议/比赛中的成绩，务必列出，以证明你的技术深度和研究能力
- 如果对LangChain、LlamaIndex等智能体框架不熟悉，建议通过实践项目快速掌握其核心概念和典型应用模式
- 加强对模型服务优化技术（如量化、编译、分布式推理）的深入理解，可以通过阅读相关文档或进行基准测试来巩固
面试指南
- 使用STAR法则（情境、任务、行动、结果）来组织你的回答，确保逻辑清晰、重点突出
- 对于技术问题，先阐述核心原理和设计考量，再结合具体案例说明你的决策过程和实施细节
- 在回答中不仅要展示技术能力，也要体现你对业务影响、权衡取舍和团队协作的思考
- 请详细描述一个你使用LLM（如GPT、Llama）解决实际问题的项目
- 你如何选择模型、进行微调、设计提示词并评估效果？
- 请分享一个你将机器学习模型部署到生产环境的经历
- 你遇到了哪些技术挑战（如延迟、成本、可扩展性）？是如何解决的？
- 如何为一个新的地图搜索推荐场景设计机器学习解决方案？你会考虑哪些数据、模型和评估指标？
职位点评
格步 的其他在招职位
相似职位推荐
Watch Jobs