渣打银行
AIML Delivery Lead (India / China)
AIML Delivery Lead (India / China)
发布于 大约 16 小时前普通员工/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
机器学习工程
Agentic Ai
Mlops
Pytorch
Tensorflow
机器学习框架
Ai平台开发
Gpu计算
AI 估算 · 30k–50k
外资银行AI平台Lead，5-10年经验，技术前沿，薪资在同类岗位中处于中高水平，广州生活成本适中，月薪约30-50K。
职位详情
关于这个职位
这是一个渣打银行的AI平台交付Lead职位，你将负责构建可扩展的AI平台、开发Agentic AI能力、实施MLOps实践并管理GPU和云基础设施
需要5-10年AI/ML工程经验，掌握主流机器学习框架和容器化技术
工作地点在广州，提供弹性工作、完善福利和前沿技术实践机会
最低要求
拥有AI平台开发的实际操作经验
熟悉机器学习框架、最佳实践和运维实施
拥有容器化(K8s)分布式系统构建的经验
具备稳健数据集成管道的设计和实施经验
掌握编程语言，如Python、Java或C++
经验：5-10年AI和机器学习工程经验，并有成功交付复杂AI项目的记录
技术专长：熟练掌握机器学习框架（如TensorFlow、PyTorch）、Agentic AI框架（LangGraph/Langchain、Dify、CrewAI等）、MLOps工具（如MLflow、Kubeflow）
软件工程：具备扎实的软件工程技能，熟悉CICD流水线和DevOps流程
了解分布式系统，熟悉容器化环境（Kubernetes、OpenShift、AKS等）
问题解决：出色的分析和解决问题能力，能够批判性和创造性思考
沟通：出色的人际交往和沟通能力，能够在协作团队环境中有效工作
工作职责
平台开发：开发可扩展的AI平台，确保高性能和可靠性
Agentic AI能力构建：在良好治理的框架下构建并维护水平Agentic AI平台
MLOps：实施并优化MLOps实践，以简化机器学习生命周期，从开发到部署和监控
标准化：为机器学习模型开发、测试和部署建立并执行最佳实践
基础设施设置：监督GPU和云平台的管理与设置，以支持AI工作负载
数据集成：设计并实现稳健的数据集成管道，确保无缝访问多种数据源
协作：与数据科学家、软件工程师和平台工程师紧密合作，交付高质量的AI解决方案
创新：紧跟AI和机器学习的最新进展，并应用这些知识改进我们的平台和流程
优先资格
了解数据管理（Databricks Unity Catalog）以及云平台和基础设施即代码（如AWS、Azure）是一个很大的加分项
具有AI工作负载的GPU计算和优化实践经验者优先
了解Java/C++是加分项
AI 洞察
优缺点分析
优点
- 外资银行平台稳定，福利完善，提供弹性工作和长期学习文化
- 技术栈前沿，涉及Agentic AI、MLOps、云原生，技能增值快
- 工作涉及跨团队协作，拓展业务视野和影响力
- 银行环境对合规和安全要求高，工作流程可能较繁琐
- 需同时掌握AI算法、平台工程和基础设施，技能要求全面
- 适合有5年以上AI工程经验、乐于拥抱新技术、希望在稳定平台深耕技术又兼顾工作的资深工程师
缺点 / 挑战
- 作为Lead角色，可能承担交付压力，需要协调多方资源
角色解读
- 从AI平台交付Lead向资深架构师或技术经理方向发展
- 深入Agentic AI和MLOps领域，成为企业级AI平台专家
- 可在银行内部跨部门轮岗，或向数据科学团队管理岗位发展
- 负责构建和维护可扩展的AI平台，确保高可用性和性能
- 开发并落地Agentic AI平台，在治理框架下支持AI应用
- 实施MLOps流程，涵盖模型开发、部署、监控和标准化
- 管理GPU和云基础设施，设计数据集成管道，并与数据科学家和工程师协作
- 精通Python，熟悉Java/C++，掌握TensorFlow/PyTorch等ML框架
- 熟悉Agentic AI框架（LangGraph/LangChain、Dify、CrewAI）和MLOps工具（MLflow/Kubeflow）
- 具备Kubernetes容器化、分布式系统、CICD/DevOps经验
- 有数据集成管道设计和GPU优化经验更佳
申请策略
- 研究渣打银行数字化战略和AI用例，面试中提出具体方案
- 强调对监管合规的理解，展现银行行业适应力
- 突出AI平台架构设计、MLOps落地的实际项目案例
- 强调Agentic AI相关项目经验（如LangChain、LangGraph应用）
- 展示容器化（K8s）和云平台（AWS/Azure）的实操经验
- 体现跨团队协作和交付推动能力
- 补充Agentic AI框架（如LangGraph、Dify）的实践
- 学习MLOps工具链（MLflow、Kubeflow）和Databricks Unity Catalog
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果
- 强调权衡取舍：如性能与成本、灵活与标准化的平衡
- 结合银行行业特点，突出风险意识和合规实践
- 如何设计一个可扩展的AI平台？谈谈你的架构思路
- 你如何实施MLOps来管理模型生命周期？
- 你在Agentic AI方面有什么项目经验？如何保证治理和安全？
- 在Kubernetes环境中部署大型AI工作负载遇到哪些挑战，如何解决？
- 如何与业务部门和合规部门协作，确保AI解决方案符合监管要求？
职位点评
75
综合评分
外资银行AI平台交付Lead，前沿技术栈，福利完善，工作稳定，但薪资未披露。
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、看重稳定福利和弹性工作的资深AI工程师。
表现最好
成长发展
相对薄弱
使命价值
薪资福利70
成长发展85
工作生活75
使命价值65
薪资福利
70中等
职位未披露具体薪资，但渣打银行作为国际银行，其薪酬福利体系完善，提供有竞争力的薪资和多种福利保障。
薪资信号未披露（AI估算：30K-50K/月）
福利待遇退休储蓄、医疗和人寿保险、年假、育儿假/产假（20周）、休假年（最长12个月）、志愿休假（3天）、弹性工作选项、Unmind数字健康平台、持续学习文化
成长发展
85较高
该职位涉及Agentic AI、MLOps等前沿技术，公司提供持续学习文化和技能提升机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Agentic AI、MLOps、TensorFlow、PyTorch、LangGraph、LangChain、Dify、CrewAI、MLflow、Kubeflow、Python、Kubernetes、AWS、Azure
成长机会持续学习文化、技能重塑和提升机会、发展课程
业务类型ambiguous
工作生活
75中等
提供弹性工作选项、充足的休假和健康支持，工作生活平衡较好，但具体办公模式未完全明确。
工作模式混合式弹性办公
办公地点未明确
加班情况未提及（无法判断）
工作生活平衡弹性工作选项、休假、健康支持
使命价值
65中等
渣打银行以'推动商业和繁荣'为使命，但该岗位更偏向技术交付，社会价值主要通过公司业务间接体现。
行业发展稳定成熟行业
社会影响中性/一般
使命信号驱动商业和繁荣、为了更好的未来（be here for good）、为客户、社区和彼此带来积极改变
创新程度积极采用新技术
渣打银行 的其他在招职位
相似职位推荐
Watch Jobs