Watch Jobs
Coupang logo
酷澎
[TW Engineering] Staff Machine Learning Engineer
立即应聘

[TW Engineering] Staff Machine Learning Engineer

发布于 大约 16 小时前

普通员工/个人贡献者

上海市
高级经验
全职员工
仅现场办公
学历未注明
机器学习工程
Llm
Mlops
Prompt Engineering
Pytorch
商品理解
多模态模型
机器学习
深度学习

AI 估算 · 55k–85k

资深ML工程师岗位，Coupang跨国平台，上海一线城市，AI/ML技术稀缺，薪资竞争力强。

职位详情

关于这个职位

这是一个在上海工作的Staff级机器学习工程师职位，隶属酷澎（Coupang）台湾（TW）工程团队

你将负责从零构建电商商品理解系统，利用LLM和多模态模型处理海量商品数据，并与上游商品接入、下游搜索推荐及增长营销团队紧密合作
职位要求深厚的深度学习/ML经验和LLM微调能力，适合资深技术专家

最低要求

扎实的深度学习/传统机器学习理解与丰富经验

具备机器学习和深度学习的实践经验，并有从零（0到1）大规模设计、构建和部署生产级ML系统的成功记录
在提示工程、领域特定适配、PEFT以及大语言模型（LLM）和多模态模型的微调方面拥有深厚专业知识（使用SOTA开源/闭源模型和专有基线模型），并有强大的数据治理和评估方法论支撑
熟练掌握现代AI工具（如AI编程助手、LLM驱动的数据分析、自动化可视化工具）以加速ML建模工作流、深度数据分析和技术结果可视化
出色的沟通能力，能够与跨职能利益相关者（产品、业务、领导层）对齐，清晰阐述复杂技术概念，并令人信服地展示业务影响
扎实的计算机科学基础和系统设计能力
精通生产级代码开发（Python、Java、C++或Go）和分布式计算框架（如Spark、Ray、PyTorch分布式）

工作职责

技术愿景与系统架构：主导从零到一的大规模系统架构与端到端执行，将非结构化的文本和视觉商品数据转化为高精度的产品知识和表示

LLM与基础模型创新：利用、微调并部署Coupang自有的基础模型以及SOTA LLM/VLM，为生产工作负载建立健壮的数据治理管道、领域适配策略和严格的基准评估框架
端到端利益相关者与跨领域赋能：与上游商品选择和接入团队紧密合作（从源头提升商品数据质量），与下游增长营销、搜索和推荐团队合作（提升检索和排序相关性）
规模与工程卓越：解决处理数十亿商品目录时的延迟、吞吐量和可扩展性挑战，确保高可靠的低延迟在线服务和离线批处理
AI驱动的工作流加速：通过采用最先进的AI工具进行快速ML原型设计、自动化数据分析和直观的可视化展示，提升团队效率并向业务伙伴展示影响
技术领导力与指导：通过技术设计评审、MLOps最佳实践和对初中级工程师的积极指导，提升组织的技术标准

优先资格

在目录、零售或增长营销领域理解方面有深厚经验（属性提取、分类体系、实体解析）以及图像/多模态感知（如视觉属性提取、图像-文本对齐、OCR、基于内容的商品表示）

有构建端到端MLOps管道的实践经验（自动化数据集管理、持续训练、动态评估和模型监控）
有担任技术负责人/Staff工程师、指导跨职能团队并定义长期工程路线的经验

AI 洞察

优缺点分析

优点

  • 使用业界前沿的LLM和多模态技术，保持技术领先性
  • 跨国大公司平台，资源丰富，职业发展稳定
  • 与优秀团队合作，有机会影响整个组织的技术标准
  • 作为技术带头人，需要同时处理跨团队协作和业务对齐，沟通成本高
  • 前沿技术迭代快，需要持续学习，保持技术敏感度

缺点 / 挑战

  • 参与从零到一搭建核心系统的机会，技术挑战大，成长空间充足
  • 工作强度可能较高，需要应对大规模、高实时性系统的复杂问题
  • 适合拥有丰富ML工程经验、热爱技术挑战、具备领导力的资深工程师，能够在快节奏环境中推动创新

角色解读

  • 作为Staff Engineer，可继续深入技术方向，成长为资深技术专家/首席工程师
  • 也可转向技术管理岗位，承担更多团队和技术愿景的职责
  • 积累电商领域大规模AI系统的经验，有机会拓展到更广泛的业务场景
  • 负责设计并实现大规模电商商品理解系统的整体架构（0-1），将非结构化的文本和视觉数据转化为高精度的商品知识与表示
  • 利用自研Foundation Models和SOTA LLM/多模态模型进行微调、部署，并建立数据治理和评估框架
  • 与上下游团队合作，提升商品数据质量，改善搜索推荐和增长营销的检索与排序效果
  • 主导技术评审、推动MLOps最佳实践，并指导初中级工程师的成长
  • 扎实的深度学习和传统ML基础，具备从零构建生产级ML系统的经验
  • 精通LLM/多模态模型的提示工程、PEFT和微调，熟悉数据治理与评估方法
  • 熟练使用Python/Java/C++/Go及分布式框架（Spark、Ray、PyTorch分布式）进行系统开发
  • 出色的跨团队沟通能力，能够向业务方清晰阐述复杂技术并展现商业价值

申请策略

  • 了解Coupang的业务模式和在台湾市场的布局，准备一些对商品理解场景的思考
  • 关注JD中提到的SOTA模型和自研Foundation Models，提前了解相关技术
  • 突出你从零构建并上线大规模ML系统的项目经历，量化业务收益
  • 强调LLM/多模态模型的实战经验，包括微调、评估和数据治理细节
  • 展示你在技术领导力方面的案例，例如指导他人、定义技术路线
  • 如果缺少电商领域经验，可学习目录体系、商品属性提取等相关概念
  • 了解MLOps工具链，如Kubeflow、MLflow等，提升模型部署和监控能力
  • 练习使用AI辅助编程和数据分析工具，提高工作效率

面试指南

  • 使用STAR法则：情境、任务、行动、结果，结构化描述项目经验
  • 对于系统设计问题，先明确需求、估算规模，再给出分层架构并说明关键取舍
  • 对于领导力问题，强调你的方法论和实际案例，突出团队成长和业务结果
  • 请描述一次你从0到1构建ML系统的经历，遇到的最大技术挑战是什么？
  • 如何评估和微调一个LLM用于特定域？你如何设计数据治理和评估指标？
  • 面对海量商品数据，你如何设计系统架构以同时满足低延迟在线服务和离线批处理？
  • 如何向非技术利益相关者证明ML系统的商业价值？请举例说明
  • 你如何指导团队中的初级工程师并提升整体技术水平？

职位点评

76
综合评分

跨国大厂、前沿AI技术栈、发展空间大，但工作生活平衡未明确

从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。

更适合这类人
适合追求技术成长和职业发展、能够承受一定工作强度的资深工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活55
使命价值70

薪资福利

80较高

作为跨国上市公司，Coupang提供有竞争力的薪酬和福利，但职位本身未披露具体数字。

薪资信号未披露（AI估算：55K-85K/月）

成长发展

90较高

该职位处于AI前沿，提供从零构建核心系统的机会，并强调技术导师和团队成长。

技术前沿前沿/新兴技术
技术栈LLM、Multimodal、PEFT、PyTorch、Spark、MLOps、Prompt Engineering、Fine-tuning
成长机会mentoring、mentorship
业务类型profit_center

工作生活

55较低

职位未明确工作模式和加班情况，难以判断，但作为高责任岗位，可能需要较高投入。

工作模式未明确
办公地点未明确
加班情况未提及（无法判断）

使命价值

70中等

Coupang的使命是'让顾客惊叹'，致力于打造未来电商体验，这个职位直接贡献于商品理解和用户体验优化，具有行业影响力。

行业发展稳定成熟行业
社会影响中性/一般
使命信号wow our customers、build the future of commerce
创新程度积极采用新技术

酷澎 的其他在招职位

相似职位推荐

Watch Jobs