GE 维诺瓦
SR. SOFTWARE ENGINEER
SR. SOFTWARE ENGINEER
发布于 6 个月前普通员工/个人贡献者
Hyderabad TS IN 1
高级经验
全职员工
仅现场办公
硕士
软件工程
Machine Learning
MLOps
NLP
PyTorch
Scikit-learn
TensorFlow
薪资面议
暂无薪资依据说明。
职位详情
关于这个职位
这是一个专注于AI/ML研究与创新的高级软件工程师职位
你将负责为电网控制系统设计、构建和部署机器学习模型，特别是回归、分类和大语言模型（LLM），以解决实际的预测分析和自然语言处理任务
该职位要求你领导团队，运用敏捷开发方法，与跨职能团队合作，将AI驱动的解决方案从概念验证阶段推向实际应用
最低要求
计算机科学/数据分析或STEM（科学、技术、工程和数学）专业硕士学历
至少5年相关工作经验
在AI/ML方法论及使用Azure/AWS进行MLOps方面是主题专家，特别是在电网控制系统领域有成功经验
精通Python及其机器学习库（如TensorFlow, PyTorch, scikit-learn, pandas, NumPy）
拥有开发和部署机器学习模型（特别是回归和分类任务）的丰富经验
具备使用大型语言模型（如GPT, BERT）进行自然语言处理任务的经验
对回归技术和分类算法有深刻理解
拥有使用MLOps实践实施和部署ML模型的实际操作经验
具备敏捷开发方法（如SCRUM）的经验
在核心数据结构和算法方面具备专家级技能，并能根据需求进行深入实现
工作职责
使用Python为回归、分类和其他预测分析任务设计、构建和部署机器学习模型
针对文本分类和语言理解等各种NLP任务，参与大型语言模型的开发、微调和部署
清理、预处理和转换数据，使其适用于机器学习模型，包括处理缺失数据、特征选择和数据增强
使用适当的指标评估模型，并对其进行微调以提高准确性、性能和可扩展性
与包括电力系统工程师、软件工程师和业务利益相关者在内的跨职能团队合作，理解需求并提供AI驱动的解决方案
与内部团队和客户合作，理解需求和愿景
推动团队效率提升，消除重复工作，利用产品和技术的复用性
在模糊性中导航，并优先处理相互冲突的需求和任务
在核心数据结构和算法方面具备专家级技能，并能根据需求进行深入实现
优先资格
具备量化设计选择有效性的能力，并能推动责任落实和方案采纳
能够发布指导和文档以促进设计的采用
对电力行业的AI/ML和MLOps开发有深入了解
具备领导力，能够通过他人施加影响，建立直接和间接的支持，预见下游影响并调整策略以实现积极成果
能够利用专家或第三方进行影响，阐述决策背后的原因和影响
持续反思成功与失败以改进绩效和决策，理解何时需要变革
参与技术战略规划，主动识别并清除团队的项目障碍
能够在矩阵式组织中有效导航问责制，沟通并展示共同的目标感，从失败中学习
具备个人特质，如有效指导和培养他人的批判性思维技能，主动与跨职能团队合作解决问题和设计解决方案，从看似无关的信息中发现重要模式，激励他人朝着共同愿景和目标努力，在面对挫折时保持对流程的热情并寻找新方向，创新并整合新流程和/或技术为GE创造显著价值，能够评估变革成本与收益并据此提供建议
AI 洞察
优缺点分析
优点
- **前沿技术栈**：直接接触并应用AI/ML领域最前沿的技术，特别是大型语言模型和MLOps实践，能极大提升个人技术竞争力
- **高价值行业应用**：在电力（电网控制）这一关键基础设施领域工作，项目具有重大的社会和经济价值，经验含金量高
- **优秀平台与视野**：GE作为全球工业巨头，能提供丰富的资源、跨领域合作机会以及全球化的技术视野
- 该职位适合拥有扎实机器学习与软件工程背景，并对将AI技术应用于解决工业级实际问题充满热情的高级技术人才，他们应具备领导潜力，并能在复杂、跨学科的环境中茁壮成长
缺点 / 挑战
- **明确的职业角色**：作为高级工程师兼技术领导者，既有深入的技术挑战，也有团队领导和项目驱动的成长空间
- **高技术复杂度与责任**：需要同时精通AI算法、软件工程和特定领域（电力）知识，工作挑战大，对模型的效果和系统稳定性负有重要责任
- **跨领域协作压力**：需要频繁与非技术背景的电力工程师和业务人员沟通，将复杂的技术方案转化为可理解的业务价值，对沟通和翻译能力要求高
- **创新项目的不确定性**：从事的是研究和创新项目，可能面临技术路线模糊、需求变化快等挑战，需要强大的适应和问题解决能力
角色解读
- 技术纵深上，可以从高级工程师发展为AI/ML架构师或领域专家，专注于电力行业更前沿的AI解决方案，如智能电网优化、预测性维护等
- 横向发展上，可以转向技术管理岗位（如工程经理），负责更大规模的AI产品线或创新团队，或者向产品技术融合的岗位（如AI产品经理）发展
- 行业前景上，在能源转型和电网数字化的大背景下，具备电力行业AI经验的专家将有广阔的职业发展空间，无论是在GE内部晋升，还是进入其他能源科技公司或研究机构
- 你将专注于AI/ML在电网控制领域的应用，负责从数据预处理到模型部署的完整机器学习流水线工作
- 具体任务包括开发和微调大型语言模型（LLM）用于文本分类等NLP任务，以及构建回归和分类模型解决电力行业的预测分析问题
- 你需要领导技术团队，运用敏捷方法（如SCRUM）推进项目，确保概念验证按时、按预算、高质量地交付
- 作为技术专家，你需深入参与系统架构设计，关注可扩展性、可用性和性能，并与电力工程师、业务方等跨职能团队紧密协作
- 核心技能是精通Python及主流ML库（TensorFlow, PyTorch, scikit-learn），并拥有使用AWS/Azure平台实施MLOps的实际经验
- 必须具备扎实的机器学习理论基础，特别是对回归、分类算法以及大型语言模型（如GPT, BERT）的应用有深刻理解和实战经验
- 需要强大的软件工程能力，包括系统设计、架构规划以及处理数据清洗、特征工程等复杂任务的能力
- 软技能方面，要求具备领导力、跨团队协作能力、在模糊需求中确定优先级的能力，以及优秀的沟通和问题解决技巧
申请策略
- **深入研究GE及ATO**：了解GE在能源数字化和AI领域的战略布局，以及先进技术组织（ATO）的定位和过往项目，在申请和面试中展现你的兴趣和契合度
- **准备针对性的项目介绍**：挑选1-2个与你未来工作最相关的项目，准备清晰的技术架构图和技术难点攻克故事，以应对深入的技术面试
- **突出AI/ML项目经验**：详细描述你主导或深度参与的机器学习项目，特别是涉及模型部署（MLOps）、回归/分类任务或LLM应用的项目，量化你的贡献和成果（如提升的准确率、降低的延迟）
- **强调技术栈与领域结合**：明确列出你对Python、TensorFlow/PyTorch、AWS/Azure的熟练程度，并如有相关经验，特别强调在能源、工业或类似复杂系统领域的AI应用经验
- **展示领导与协作能力**：通过具体事例说明你在团队中扮演的技术领导角色，如何推动项目进展、解决跨团队协作中的问题，并运用敏捷方法管理开发流程
- **体现问题解决与架构思维**：描述你如何处理过模糊的技术需求、进行过系统架构权衡，或成功将概念验证转化为稳定解决方案的经历
- **深化MLOps与云平台知识**：如果对AWS/Azure的ML专项服务（如SageMaker, Azure ML）不熟悉，建议进行针对性学习和实践，理解自动化模型训练、部署和监控的全流程
- **补充电力行业知识**：提前了解智能电网、电力系统运行的基本概念和挑战，这能让你在面试中更好地理解业务背景，并提出更有见地的技术方案
面试指南
- **STAR法则结合技术细节**：对于项目或行为类问题，使用情境(S)、任务(T)、行动(A)、结果(R)的结构来组织答案，并在“行动”部分深入阐述具体的技术选型、算法调整、工具使用等细节
- **体现权衡与思考过程**：面试官看重你的决策能力
- 在回答时，不仅要说明你做了什么，更要解释你为什么这么做，当时考虑了哪些替代方案，以及如何权衡利弊（如准确率 vs. 推理速度，开发效率 vs. 系统可维护性）
- **展现业务与技术结合的意识**：始终将技术解决方案与业务目标联系起来
- 说明你的工作如何为项目、团队或公司创造了实际价值，例如提高了效率、降低了成本或解锁了新的能力
- 请详细描述一个你从头到尾负责的机器学习项目，特别是你是如何设计、训练、评估并最终部署模型的？遇到了哪些挑战，如何解决的？
- 你如何理解MLOps？请结合你使用AWS或Azure的经验，谈谈你在一个项目中实施MLOps最佳实践的具体步骤
- 在处理一个分类问题时，如果遇到类别不平衡的数据集，你会采取哪些策略？请比较不同方法的优缺点
职位点评
Watch Jobs