格步
Senior Machine Learning Engineer, MLE
Senior Machine Learning Engineer, MLE
发布于 大约 15 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
机器学习工程
Eta
实时流处理
导航
数据管道
机器学习
路线规划
AI 估算 · 40k–60k
职位详情
关于这个职位
作为高级机器学习工程师，你将加入Grab的路线规划与导航团队，负责构建实时感知能力，优化导航体验，并基于海量轨迹数据开发交通基座大模型
你将与产品、数据科学等团队紧密合作，推动业务增长
该职位要求扎实的ML工程经验，熟悉大规模数据处理和微服务开发，并愿意使用Golang
最低要求
两年以上机器学习工程经验
扎实的计算机科学基础，包括算法和数据结构
有开发和维护大规模微服务的经验
有构建和运维生产级批量及实时数据处理管线的实战经验
能够处理噪杂或不完整的数据，定义合适的评估指标，并将模糊的业务问题转化为可衡量的技术解决方案
热衷于构建产品和功能以推动业务增长
熟悉任何一种编程语言并具备良好的编码能力，同时愿意使用Golang进行开发
熟练掌握Golang将是一个很大的加分项
工作职责
构建可靠的L3/L4级智能化流程，打造稳健且可扩展的解决方案来处理实时信号
基于海量的用户轨迹数据，构架交通基座大模型，提升ETA路径规划等能力
基于手机或车载行车记录仪等低成本视觉设备，打造以视觉为基础的交通事件的感知模型
设计、构建和运维可靠的数据管道，覆盖实时流式处理和大规模批量处理，包括实时事件数据及其他地理空间信号
将原始且嘈杂的数据转化为可信赖的特征、洞察和数据集，以支持路线规划、导航、路况和地图质量等相关应用场景
建立监控、数据质量检查、评估框架和反馈闭环，确保数据管道和模型输出的可靠性
与产品经理、数据科学家、分析师和工程师紧密协作，定义问题、开展实验并交付可扩展的解决方案
探索新兴技术，并将其务实地应用于提升团队的工程效率和产品成果
优先资格
有处理地理空间、路线规划、导航、路况、事件或地图相关数据的经验
熟悉流式处理技术，如Kafka、Flink、Spark Streaming或同类系统
有构建面向工程或运维工作流的智能化自动化的经验，包括RAG、工具集成、评估和Harness工程
熟悉数据分析、模型监控、实验设计和生产级ML生命周期管理
熟悉AWS或Azure等云服务
AI 洞察
优缺点分析
优点
- 岗位涉及前沿技术，如交通大模型和实时感知，有很好的学习和发展空间
- 公司提供完善的福利，包括保险、弹性工作等，注重员工福祉
- 团队氛围强调创新和协作，有机会与优秀人才共事
- 技术栈要求广泛，需要不断学习新工具和框架
- 跨时区协作可能带来沟通成本，需要适应多元文化环境
缺点 / 挑战
- Grab作为东南亚超级应用，业务规模大，数据丰富，技术挑战高
- 工作强度可能较高，需要处理实时系统和高并发数据
- 适合有扎实ML工程经验、对地理空间数据感兴趣、愿意接受挑战并追求技术成长的工程师
角色解读
- 在Grab内部可晋升为技术专家或技术经理，领导更复杂的项目
- 积累地理空间和导航领域的深厚经验，成为行业专家
- 有机会参与前沿技术研究，如交通大模型，提升个人影响力
- 构建实时感知系统，处理路况事件、行车记录仪数据等，提升导航和路线规划效率
- 开发交通基座大模型，利用海量轨迹数据优化ETA预测和路径规划
- 设计数据管道，处理实时流和批量数据，确保数据质量和模型可靠性
- 与跨职能团队协作，将业务问题转化为技术方案，并推动落地
- 扎实的机器学习工程经验，包括模型开发、部署和监控
- 精通至少一种编程语言，愿意学习Golang，具备良好的编码能力
- 熟悉大规模数据处理技术，如Kafka、Flink、Spark Streaming
- 具备处理嘈杂数据、定义评估指标和解决模糊问题的能力
申请策略
- 了解Grab的业务和产品，特别是出行和配送领域
- 在面试中展示对解决实际问题的热情和创新能力
- 突出机器学习项目经验，特别是涉及实时数据处理或导航相关的项目
- 强调使用Golang或类似语言开发微服务的经验
- 展示处理大规模数据管道和模型部署的案例
- 提及与跨职能团队合作推动业务增长的经历
- 学习Golang，掌握其并发模型和常用框架
- 熟悉流式处理技术，如Kafka、Flink，并了解其应用场景
面试指南
- 使用STAR法则（情境、任务、行动、结果）来回答行为问题
- 对于技术问题，先明确问题，再提出方案，最后讨论权衡和优化
- 展示你的思考过程，并强调与团队协作和业务影响
- 请描述一个你处理过的大规模数据管道项目，如何保证数据质量和可靠性？
- 你如何设计一个实时感知系统来处理路况事件？
- 谈谈你对交通大模型的理解，以及如何利用轨迹数据优化ETA？
- 你如何处理嘈杂或不完整的数据？请举例说明
- 为什么选择Grab？你对我们的业务有什么了解？
职位点评
79
综合评分
技术前沿、薪资优厚、福利完善，但工作地点和弹性需确认。
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、对前沿技术感兴趣、并希望在工作中产生社会影响的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活70
使命价值80
薪资福利
75中等
薪资水平较高，福利完善，但具体薪资未披露，需面议。
薪资信号未披露（AI估算：40K-60K/月）
福利待遇Term Life Insurance、Medical Insurance、GrabFlex、Maternity and Paternity Leave、Grabber Assistance Programme、Wellbeing@Grab、FlexWork arrangements
成长发展
90较高
岗位涉及前沿技术，如交通大模型和实时感知，有大量学习机会，且公司鼓励创新。
技术前沿前沿/新兴技术
技术栈机器学习、Golang、Kafka、Flink、Spark Streaming、RAG、AWS、Azure
成长机会探索新兴技术、提升工程效率
业务类型profit_center
工作生活
70中等
提供FlexWork安排，但工作地点在北京，可能需现场办公，具体弹性程度未明确。
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）
工作生活平衡FlexWork arrangements
使命价值
80较高
Grab致力于改善东南亚用户生活，具有社会价值，且行业处于增长期。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号改善东南亚数百万用户的生活、创造经济赋权
创新程度积极采用新技术
Watch Jobs