汇丰
Consultant Specialist
Consultant Specialist
发布于 14 天前普通员工/个人贡献者
广州市
高级经验
全职员工
混合式弹性办公
学历未注明
信息技术与基础设施
MLOps
安全工程
MLflow
CI/CD
可观测性
AI 估算 · 30k–45k
该职位为高级技术专家，MLOps领域人才稀缺，汇丰为大型跨国银行，薪资具有竞争力，广州市场该级别月薪约30-45K。
职位详情
关于这个职位
该职位是汇丰银行CTO数据技术团队的高级技术专家，负责设计和运营MLOps平台
你将使用GCP和Kubernetes搭建标准化交付流水线，支持机器学习模型的训练、部署和监控
适合有扎实软件工程背景并熟悉MLOps实践的资深工程师
最低要求
扎实的软件工程技能（通常包括Python和Flask
熟悉Java/Go/Scala/Shell之一者优先），包括测试、代码评审和可维护性设计
具备构建MLOps平台或共享ML赋能工具的实际经验（不仅仅是单模型部署）
丰富的Kubernetes经验（部署、服务/入口、配置映射/密钥、自动扩缩、资源管理、故障排除）
熟悉与ML平台相关的GCP服务（如GCS、IAM、网络、日志/监控
以及GKE/Cloud Build）
有操作MLflow（追踪+注册表）并将其集成到发布/推广工作流中的经验
有在生产环境中构建和运行Airflow管道的经验（可靠性模式、告警、运维支持）
具备容器化工作负载的CI/CD经验（构建、扫描、签名、部署），以及环境推广和回滚策略
可观测性经验（指标/日志/追踪）和生产支持心态（事件管理、根因分析、持续改进）
对安全工程实践有深刻理解（RBAC、密钥、最小权限、供应链安全）
工作职责
平台工程：在GCP和本地Kubernetes上设计、构建和运营核心MLOps平台能力（多环境、多租户）
标准化交付路径：为ML工作负载（训练、打包、部署、推广、回滚）创建可复用的CI/CD/CT模式，包括参考实现和模板
工作流编排：使用Airflow（DAG标准、调度、重试、回填、依赖管理、操作运行手册）构建和支持ML流水线
实验追踪与模型注册表：操作和扩展MLflow（追踪、工件存储、模型注册表、环境推广、访问控制、保留策略）
模型服务与批量评分：提供批量评分（定时/触发流水线、可扩展计算、幂等性、重新处理）和近实时评分（低延迟服务、自动扩缩、弹性、安全发布）的平台模式
可观测性与可靠性：为平台和模型服务实施监控和告警（SLI/SLO、仪表盘、日志、追踪），并领导事件响应改进
安全与控制：嵌入安全设计实践（IAM/RBAC、密钥管理、加密、漏洞扫描、审计追踪），并支持发布和运营的证据需求
赋能：制作清晰的文档、运行手册和入门指南
AI 洞察
优缺点分析
优点
- 汇丰作为全球领先的金融机构，平台稳定，技术积累深厚，能接触到大型分布式系统
- MLOps是当前热门方向，该职位能积累前沿的云原生和AI工程化经验
- 混合办公模式提供一定灵活性，工作生活平衡较好
- 对技术广度要求高，需同时掌握平台工程、ML框架、安全运维等多领域知识
- 金融行业对安全和合规要求极高，工作流程可能相对繁琐
- 适合有5年以上后端或平台工程经验、对MLOps有浓厚兴趣、希望在大型组织中推动AI落地的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向MLOps架构师或平台总监发展，负责更大规模的AI基础设施设计
- 也可转向数据科学或机器学习工程，深入算法和模型优化方向
- 在汇丰内部，有机会跨部门协作，积累金融科技领域的深厚经验
- 设计并搭建基于GCP和Kubernetes的MLOps平台，支持机器学习模型的端到端生命周期管理
- 构建CI/CD/CT流水线，实现模型训练的标准化交付、打包、部署和回滚
- 使用Airflow编排ML工作流，并利用MLflow进行实验追踪和模型注册管理
- 实施可观测性方案，包括指标、日志、追踪，并处理生产环境事件
- 精通Python和至少一种其他语言（Java/Go/Scala/Shell），具备良好的软件工程实践
- 深入掌握Kubernetes，能够管理部署、服务、自动扩缩和资源
- 丰富的MLOps平台建设经验，包括MLflow和Airflow的生产化运维
- 熟悉GCP相关服务（GCS、IAM、GKE等）以及CI/CD工具链
申请策略
- 在简历中用量化指标说明平台成效，如缩短模型部署时间、提升资源利用率等
- 面试前了解汇丰的技术栈和数字化转型方向，体现对金融科技的兴趣
- 突出MLOps平台建设经验，详细描述你在Kubernetes和GCP上的具体项目和贡献
- 强调CI/CD流水线设计、以及MLflow和Airflow的生产运维案例
- 展示软件工程最佳实践，如测试、代码评审、可维护性设计
- 如果缺少MLflow或Airflow经验，可快速学习并通过官方文档动手实践
- 深入理解Kubernetes的网络、存储和安全机制，补充GCP认证（如Professional Cloud Architect）
面试指南
- 采用STAR法则：背景-任务-行动-结果，突出你在平台工程中的角色和贡献
- 对于技术问题，先阐明基本原理，再结合具体实践，展现深度和广度
- 请描述你设计过的一个MLOps平台架构，包括组件和技术选型
- 如何处理Airflow DAG失败和重试？请结合生产环境案例说明
- Kubernetes中如何实现模型服务的自动扩缩？你用过哪些指标？
- 在MLflow中如何管理模型版本和权限？
- GCP上如何确保ML工作负载的安全合规？
- 复习Kubernetes和GCP的核心概念，最好能在自己环境中搭建一个迷你MLOps平台
职位点评
70
综合评分
汇丰银行高级技术岗位，聚焦MLOps平台，技术前沿，薪资优厚，混合办公。
更适合这类人
适合追求技术成长和前沿技能的求职者，对薪资和WLB要求中等。
表现最好
成长发展
相对薄弱
使命价值
薪资福利75
成长发展85
工作生活70
使命价值50
薪资福利
75中等
该职位薪资在市场中上水平，汇丰福利完善，但未明确薪资，整体补偿性较好。
薪资信号未披露（AI估算：30K-45K/月）
成长发展
85较高
职位涉及MLOps前沿技术栈，能深度接触云原生和AI工程化，成长空间大。
技术前沿前沿/新兴技术
技术栈MLOps、Kubernetes、GCP、Python、Airflow、MLflow、CI/CD
成长机会continuous professional development、opportunities to grow
业务类型ambiguous
工作生活
70中等
混合办公提供一定灵活性，但未明确远程天数，且工作可能需要on-call。
工作模式混合式弹性办公
办公地点市区核心地段
加班情况未提及（无法判断）
工作生活平衡flexible working
使命价值
50较低
金融行业技术岗，社会影响力中性，但汇丰的包容文化有一定正向意义。
行业发展稳定成熟行业
社会影响中性/一般
使命信号diverse and inclusive environment
创新程度积极采用新技术
Watch Jobs