施耐德
AI Engineer II
AI Engineer II
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Api Development
Cloud Architecture
Feature Engineering
Machine Learning
Mlops
值不值得投
80综合评分
综合评分 80
跨国名企、强使命感、前沿AI技术、中等WLB确定性
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 590 个在招
市场机会
选择适中
苏州 · 机器学习工程 · 26 个在招
职位详情
关于这个职位
该职位负责设计、构建和部署机器学习模型以解决复杂的业务问题，并创建可访问的API供团队使用
你需要自动化基础设施和工作流程，支持大规模的数据科学运营，并与数据科学家合作开发最小可行产品，将数据洞察转化为实际的业务成果
最低要求
机器学习：发展水平
实施解决业务挑战的算法
机器学习框架：发展水平
使用行业标准工具构建和测试模型
数据预处理：发展水平
清理和转换数据集以准备模型
特征工程：发展水平
创建提升模型性能的变量
模型监控：发展水平
跟踪已部署的模型以确保准确性和可靠性
预测模型部署：发展水平
将模型操作化到生产环境中
云架构：发展水平
在云平台上设计可扩展的人工智能基础设施
版本控制：发展水平
管理代码和模型版本以实现协作和可追溯性
工作职责
设计和部署机器学习模型，解决复杂的业务问题并提升效率
创建可访问的API，使整个组织的团队能够利用人工智能能力
自动化基础设施和工作流程，支持大规模的数据科学运营
与数据科学家和分析师合作，开发将洞察变为现实的最小可行产品
AI 洞察
优缺点分析
优点
- 依托施耐德电气强大的平台资源，接触大规模真实业务数据和高影响力项目
- 适合对工业AI应用感兴趣，具备扎实工程落地能力，且希望在大平台发挥技术影响力的求职者
缺点 / 挑战
- 需要在传统制造业背景下推动AI落地，可能面临数据质量、系统集成等复杂挑战
角色解读
- 可向高级机器学习工程师、AI架构师或数据科学团队负责人方向发展，深入探索前沿AI技术在工业场景的应用
- 负责机器学习模型的全生命周期管理，从数据预处理、特征工程到模型训练、部署和监控
- 熟练掌握机器学习算法和框架，具备云架构设计能力，熟悉模型部署和API开发，具备良好的版本控制和自动化运维意识
申请策略
- 了解施耐德电气在能源管理和自动化领域的业务重点，展现如何将AI技术与这些领域结合
- 突出机器学习模型在生产环境中的部署经验，展示API开发和自动化工作流程的具体案例
- 加强云平台（如AWS/Azure）在AI场景下的应用能力，提升模型监控和性能优化的实战技巧
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型理由、遇到的挑战及解决方案、以及最终带来的业务价值
- 请分享一个你成功部署并监控机器学习模型的完整案例
- 如何处理大规模数据预处理中的效率和准确性问题？
- 在设计可扩展的AI基础设施时，你会考虑哪些关键因素？
- 如何评估和优化已部署模型的性能？
- 复习机器学习基础理论和主流框架，准备1-2个详细的模型部署和优化案例，了解施耐德电气的核心业务和技术栈
职位点评
薪资福利80
成长发展85
工作生活65
使命价值90
薪资福利
80较高
作为已上市的跨国巨头，施耐德电气提供具有市场竞争力的薪酬和完善的福利体系，满足补偿性动机。
薪资信号市场水准 (2.0千–3.5万/月)
福利待遇全方位奖励、职业发展页面、安全的环境
成长发展
85较高
职位强调持续学习、认证和职业发展机会，且涉及前沿AI技术应用，满足发展性动机。
技术前沿前沿/新兴技术
技术栈Machine Learning、Cloud Architecture、API、Model Monitoring
成长机会持续学习、认证、职业发展
业务类型profit_center
工作生活
65中等
JD提及灵活创新，但未明确说明远程或弹性工作制，整体WLB信号中性，满足程度一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
90较高
公司高度重视可持续发展和社会责任，职位旨在通过AI技术创造更具韧性和高效的世界，意义感动机极强。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号可持续发展愿景、创造更具韧性、更高效率、更可持续的世界、IMPACT核心价值观
创新程度积极采用新技术
施耐德 的其他在招职位
相似职位推荐
Watch Jobs