马士基
Engineering Manager
Engineering Manager
发布于 5 个月前中层管理(经理/总监)
成都市
高级经验
全职员工
仅现场办公
硕士
软件工程
团队管理
机器学习
模型部署
解决方案架构
NLP
SQL
生成式AI
AI 估算 · 45k–75k
该职位要求高级AI/ML技术与管理能力，涉及前沿的生成式AI，在成都市场属于稀缺高端人才，薪资竞争力强。
职位详情
关于这个职位
这是一个面向AI/ML领域的工程经理职位，你将负责领导端到端的人工智能/机器学习项目，从问题定义、模型开发到生产部署与监控
你需要与业务、产品和工程团队紧密合作，设计并交付能产生可衡量商业价值的AI解决方案，同时指导初级工程师并推动团队技术能力的提升
最低要求
· 拥有6年以上交付企业级AI/ML解决方案的实践经验
· 精通Python、SQL，并有使用云平台（首选Azure）以及ADF、Function Apps和Web Apps等工具的经验
· 在应用文本分析、NLP和生成式AI方面拥有深厚的专业知识，并有实际部署经验
· 扎实理解生产环境中的模型评估、优化、偏见缓解和监控
· 具备科学严谨性、敏锐的商业头脑，并能弥合数据与决策之间差距的问题解决者
· 拥有领导跨职能AI计划或与工程团队合作部署ML管道的经验
· 拥有计算机科学、工程、统计学或相关定量领域的学士或硕士学位
工作职责
· 与业务、产品和工程团队合作，定义问题陈述，评估可行性，并设计能提供可衡量商业价值的AI/ML驱动解决方案
· 领导并执行端到端的AI/ML项目——从数据探索和模型开发到生产环境中的验证、部署和监控
· 利用数据工程、编程、机器学习、NLP和生成式AI方面的技术推动解决方案架构
· 通过在模型开发、CI/CD和性能跟踪方面建立最佳实践，倡导AI解决方案的可扩展性、可重复性和可持续性
· 通过技术指导、代码审查和解决方案评审来指导初级和助理AI/ML工程师
· 识别并推广新兴工具、技术和方法在团队中的采用
· 通过故事讲述、数据可视化和利益相关者参与，将技术成果转化为对业务利益相关者具有可操作性的见解
优先资格
· 拥有博士学位是一个加分项
· 对航运和物流业务领域有先验了解是一个优势
AI 洞察
优缺点分析
优点
- 平台优势：在全球航运巨头马士基工作，能接触到海量真实的业务数据和复杂的产业场景，项目影响力大
- 技术前沿：专注于生成式AI、NLP等前沿领域，有利于保持技术敏感度和构建高价值的技术壁垒
- 复合发展：兼具技术深度与管理广度，是培养“技术+商业”复合型人才的理想岗位
- 行业稳定：物流是经济命脉，行业抗周期性强，职业发展相对稳健
- 要求全面：需要同时具备顶尖的技术实力、项目管理能力和商业思维，对个人综合素质要求极高
- 技术迭代快：AI领域技术日新月异，需要持续投入大量时间学习，以保持技术领先性
- 适合拥有多年AI/ML实战经验，不仅技术扎实，而且对带领团队、推动业务变革充满热情，并寻求在大型跨国企业实现技术与管理双重突破的资深人才
缺点 / 挑战
- 交付压力：负责从0到1的端到端项目，需确保技术方案能真正产生可衡量的商业价值，成果导向压力大
角色解读
- 技术路径上，可以深耕成为AI架构师或特定领域（如生成式AI）的技术专家
- 管理路径上，可以向更高级别的技术总监或负责更大业务线的管理岗位发展
- 行业路径上，在航运物流领域的AI应用经验，为未来进入其他实体产业的数字化智能化转型领域奠定优势
- 你将作为技术负责人，主导AI/ML项目的全生命周期管理，从业务需求分析、技术方案设计到最终的生产部署与运维
- 你需要搭建和维护高效、可扩展的AI解决方案技术架构，并确保其符合工程最佳实践
- 你的工作包括指导团队成员进行技术攻关、代码审查，并推动团队技术栈的更新与优化
- 你需要将复杂的技术成果转化为业务语言，向非技术背景的利益相关者清晰传达价值
- 核心是深厚的AI/ML技术栈，特别是Python编程、NLP和生成式AI的实战与部署经验
- 需要具备云平台（尤其是Azure）的熟练使用能力，以及相关的数据工程和DevOps工具链知识
- 必须具备优秀的团队领导与项目管理能力，能够协调跨部门资源并推动项目落地
- 需要强大的商业洞察力和沟通能力，能将技术方案与具体的业务价值紧密关联
申请策略
- 在申请和面试中，有意识地展示你“连接技术与业务”的能力，多使用业务语言阐述技术方案的价值
- 了解马士基的数字化转型战略和近期在AI领域的动向，在沟通中体现你的兴趣和思考
- 重点突出你主导过的、已成功部署到生产环境并产生业务价值的AI/ML项目，特别是涉及NLP或生成式AI的案例
- 详细描述你在项目中的角色，不仅是技术贡献，更要体现你在跨团队协作、方案设计和推动落地方面的领导力
- 量化你的工作成果，例如通过模型优化提升了多少业务指标，或通过自动化流程节省了多少人力成本
- 明确列出你精通的云平台（Azure）及相关工具链（如ADF），以及Python、SQL等核心技能
- 如果对航运物流业务不熟悉，可提前了解行业基础知识、核心业务流程和常见的业务痛点
- 复习并准备1-2个能体现你解决复杂问题、技术选型、团队协作和业务影响的全流程项目案例
面试指南
- 对于项目类问题，建议使用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的行动、决策逻辑和可量化的成果
- 对于冲突处理或决策类问题，展现你平衡多方诉求、基于数据和事实进行理性分析，并最终推动问题解决的能力
- 对于技术深度问题，在阐述原理和方案的同时，关联到业务影响和工程落地（如成本、性能、可维护性）的考量
- 请详细介绍一个你从0到1主导的、最复杂的AI/ML项目，你在其中扮演的角色、遇到的最大挑战以及如何解决的？
- 当业务需求与技术可行性或资源限制产生冲突时，你通常如何处理和决策？
- 你如何评估一个机器学习模型是否“准备好”可以部署到生产环境？你会监控哪些指标？
- 请分享一次你成功指导或 mentoring 初级工程师的经历，你具体做了什么，效果如何？
- 你对生成式AI在航运物流行业的应用有什么具体的想法或见解？
职位点评
Watch Jobs