马士基
Associate AI/ML Engineer
Associate AI/ML Engineer
发布于 2 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
CI/CD
Nlp
Sql
推荐系统
数据预处理
机器学习
模型部署
深度学习
计算机视觉
值不值得投
74综合评分
综合评分 74
规范企业平台、侧重AI工程化落地与技能分级培养、技术栈前沿、WLB中规中矩
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
2.0万
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
89 个在招
市场机会
选择适中
成都 · 机器学习工程 · 31 个在招
职位详情
关于这个职位
负责构建和维护机器学习模型（涵盖NLP、计算机视觉及推荐系统），执行数据探索性分析、清洗预处理与超参数调优
通过特征工程与算法优化提升模型性能并部署至生产环境，同时对接业务需求、撰写技术文档并参与跨团队协作
最低要求
掌握Python、R、SQL等编程语言
具备AI/机器学习基础技能
熟悉数据分析、机器学习流水线及模型部署
了解CI/CD、NLP、大数据处理框架（Hadoop/Spark）、深度学习及数据统计分析
能够编写技术文档并理解数据架构
工作职责
为自然语言处理、计算机视觉和推荐系统等应用构建和维护机器学习模型
执行探索性数据分析(EDA)以识别数据中的模式和趋势
清洗、预处理大型数据集，进行超参数调优和分析，为AI/ML模型训练做准备
构建、测试和优化机器学习模型，尝试不同算法和框架以提升模型性能
使用编程语言、机器学习框架、算法、数据结构、统计知识和数据库优化和微调模型，确保可扩展性和效率
学习定义用户需求并将解决方案与业务需求对齐
参与AI/ML工程项目，进行特征工程并与团队协作文理解业务问题
学习数据/AI/ML工程最佳实践和性能优化方法
贡献研究论文和技术文档
贡献项目文档并维护数据质量标准
AI 洞察
优缺点分析
优点
- 依托马士基全球物流巨头平台，接触海量真实业务数据与复杂场景
- 技术栈覆盖前沿AI/ML与工程化落地，利于积累全链路经验
- 企业培训体系完善，提供清晰的技能进阶路径
- 初级岗位可能面临较多基础数据处理与调试工作，初期独立决策空间有限
- 传统行业数字化转型节奏相对稳健，创新试错周期较长
- 需频繁跨部门沟通以对齐业务需求
- 适合对AI工程化落地有热情、具备扎实编程与数据处理基础、希望在大厂平台积累实战经验的初级技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向高级AI工程师/算法专家方向发展，深入特定领域（如CV/NLP）
- 或转向MLOps/数据架构方向，负责模型规模化部署与运维
- 未来可承担技术项目管理或团队Lead角色
- 负责机器学习模型的全生命周期管理，包括数据清洗、特征工程、算法训练与调优
- 将AI模型落地至生产环境，解决业务实际问题
- 撰写技术文档并参与跨团队协作
- 熟练掌握Python/SQL编程及主流ML框架
- 具备数据处理、模型部署及CI/CD流水线搭建能力
- 了解NLP、深度学习或大数据处理技术
- 良好的业务理解与文档撰写能力
申请策略
- 提前了解目标公司在智慧物流、供应链数字化方面的布局
- 准备1-2个完整的端到端AI项目案例，重点说明业务价值与技术选型逻辑
- 突出机器学习项目全流程经验（数据清洗到模型部署）
- 量化模型性能提升指标（如准确率、推理速度优化）
- 展示Python/SQL熟练度及熟悉的数据处理工具链
- 补充MLOps相关工具（如Docker, Kubernetes, MLflow）实战经验
- 强化大数据处理框架（Spark/Hadoop）与云服务平台知识
- 提升业务需求分析与技术方案设计能力
面试指南
- 采用STAR法则结构化回答项目经历
- 针对数据处理问题，分步骤说明清洗策略、特征工程方法及评估指标选择
- 针对线上效果下降，从数据分布漂移、特征一致性、依赖版本、监控机制等维度展开排查
- 请介绍一个你完整负责的机器学习项目，从数据准备到模型上线的全过程
- 如何处理大规模数据集中的缺失值、异常值及类别不平衡问题
- 模型在测试集表现良好但在生产环境效果下降，可能的原因及排查思路是什么
- 复习经典机器学习算法原理及调参技巧
- 熟悉常见模型部署流程与性能优化手段
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
企业薪酬体系规范，处于成都市场中上水平，福利保障完善。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
提供明确的技能分级体系，强调导师支持与持续学习，技术栈前沿且注重工程化落地。
技术前沿前沿/新兴技术
技术栈Python、R、SQL、Machine Learning、Deep Learning、NLP、CI/CD、Hadoop、Spark、Data Engineering
成长机会Foundational、Proficient、Advanced、rely on strong manager support, coaching, and training
业务类型ambiguous
工作生活
60中等
未明确提及弹性办公或加班政策，传统企业通常遵循标准工时，工作生活平衡程度中等。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
聚焦AI赋能传统行业转型，推动自动化与智能决策，具有明确的商业应用价值。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
马士基 的其他在招职位
相似职位推荐
Watch Jobs