渣打银行
AI Ops Engineer
AI Ops Engineer
发布于 大约 18 小时前普通员工/个人贡献者
全职员工混合式弹性办公人工智能
人工智能
Ai平台开发
Gpu计算
Llmops
Mlops
云平台
数据工程
机器学习
值不值得投
79综合评分
综合评分 79
跨国银行AI运维工程师，薪资福利好，技术前沿，工作模式灵活，行业稳定。
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。
薪资怎么样
33K
比人工智能中位数低
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 250 个在招
市场机会
选择适中
广州 · 人工智能 · 15 个在招
职位详情
关于这个职位
作为AI运维工程师，你将负责设计、开发和部署AI平台，专注于MLOps和LLMOps流水线，维护数据与AI流程的可扩展性和效率
你需要协作跨职能团队，监控系统性能，确保AI解决方案可靠、安全并符合业务需求
最低要求
工程学位或同等学历
AI/ML相关培训
认证：AI/ML、Databricks、Azure、Terraform
经验：4-6年AI Ops和ML Ops工程或操作经验，有交付复杂AI项目的成功记录
技术专长：精通数据平台（如Databricks）、CICD（如Azure DevOps）、机器学习框架（如TensorFlow、PyTorch）、MLOps工具（如MLflow、Kubeflow）、云平台（如Azure、AWS）和基础设施即代码（如Terraform）
GPU专长：具备GPU计算和AI工作负载优化的实践经验
编程技能：精通Python、Java或C++编程语言
数据工程：接触数据工程、集成、ETL和大型数据集
问题解决：具备优秀的分析和问题解决能力，能够批判性和创造性思考
沟通：强大的人际和沟通能力，能够在协作团队环境中有效工作
工作职责
负责设计和交付混合AI平台
维护可扩展、高效和可靠的数据和AI流水线
维护跨Databricks和本地集群的MLOps和LLMOps流水线
开发和实施AI和机器学习模型，以增强运营并自动化日常任务
监控和分析系统性能，主动识别和解决问题
创建和维护AI运维流程和解决方案的文档
进行根本原因分析并实施纠正措施，以防止未来事件
为AI平台设计、实施和维护跨中央可观测性的监控策略
确保AI平台交付和服务符合安全、风险要求和运营SLA
与数据科学家、数据工程师和中央数据治理团队协作，以对齐标准化数据策略
与其他团队协作，将AI运维解决方案集成到现有服务（如ServiceNow、Elk）中
与技术和架构团队交叉协作，以对齐最佳实践和标准
执行代码审查，确保降低技术债务并避免混乱代码
紧跟人工智能领域的行业趋势和研究
与内外部利益相关者建立并维护牢固关系
AI 洞察
优缺点分析
优点
- 跨国银行平台提供国际化工作环境和稳定职业发展路径
- 接触前沿AI技术和工具，如LLMOps和GPU优化，提升技术深度
- 全面的福利体系，包括灵活工作选项、持续学习机会和心理健康支持
- 技术栈复杂，需要持续学习新工具和框架以跟上行业趋势
- 需跨多个团队协作，沟通协调能力要求高，可能涉及复杂项目管理
- 适合有4年以上AI平台开发经验，注重技术深度、追求稳定福利和国际化平台的工程师，对金融科技创新有兴趣者更佳
缺点 / 挑战
- 银行行业合规要求严格，需确保AI平台满足安全、风险和监管标准
角色解读
- 技术深耕：成长为AI平台架构师或高级运维专家，深入AI系统设计
- 管理方向：晋升为技术团队负责人或项目经理，领导AI项目交付
- 行业拓展：在金融科技领域深化AI应用，或转向其他行业的AI运维岗位
- 负责AI平台的设计与交付，确保其可扩展性和可靠性
- 维护MLOps和LLMOps流水线，优化数据与AI流程的效率
- 开发和实施机器学习模型，提升运营自动化并解决业务问题
- 监控系统性能，进行根本原因分析并预防未来事件
- 精通AI平台开发和MLOps工具，如Databricks和MLflow
- 熟悉GPU计算和云平台（如Azure、AWS）的配置与优化
- 熟练使用Python、Java或C++进行编程和代码审查
- 具备数据工程和ETL经验，能处理大型数据集并确保数据集成
申请策略
- 研究渣打银行的AI战略、合规要求和业务方向，在面试中展示相关理解和热情
- 准备具体案例，说明如何解决AI系统中的性能、可靠性或集成问题，使用STAR法则回答
- 突出AI平台开发项目经验，特别是MLOps流水线设计和实施案例
- 强调GPU计算、云平台（Azure/AWS）和数据工程的实际应用成果
- 展示与数据科学家、工程师协作的跨职能项目，体现团队合作能力
- 获取Databricks或Azure AI相关认证，增强平台技能和市场竞争力
- 学习最新AI运维工具，如Kubeflow和Terraform，以扩展技术栈
- 提升沟通和文档编写能力，以更好适应跨团队协作和银行合规要求
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，结合具体项目经验
- 强调技术决策背后的业务价值，如提升效率、降低成本或增强用户体验
- 展示对行业最佳实践和合规标准的理解，并联系银行环境的具体需求
- 请描述你设计过的可扩展AI平台架构，以及遇到的挑战和解决方案
- 你在MLOps或LLMOps中实施过哪些最佳实践？如何确保流水线的可靠性？
- 如何确保AI平台满足银行的安全、风险和合规要求？
- 你如何监控和分析AI系统性能，并主动预防问题发生？
- 请举例说明你如何与数据科学家或业务团队协作，推动AI项目落地
职位点评
薪资福利85
成长发展80
工作生活75
使命价值70
薪资福利
85较高
职位提供竞争性薪资和全面福利，包括退休储蓄、医疗保障和灵活工作，补偿性动机满足程度较高。
薪资信号市场水准 (25K-40K/月)
福利待遇core bank funding for retirement savings、medical and life insurance、flexible working、wellbeing support、learning culture
成长发展
80较高
职位涉及前沿AI技术，公司提供持续学习文化和技能提升机会，有利于职业成长和发展。
技术前沿前沿/新兴技术
技术栈AI、MLOps、LLMOps、Databricks、GPU、Python、TensorFlow、PyTorch
成长机会continuous learning culture、opportunities to reskill and upskill
业务类型ambiguous
工作生活
75中等
公司提供灵活工作选项和办公模式，有助于改善工作生活平衡，但具体WLB需在面试中确认。
工作模式混合式弹性办公
办公地点市区核心地段
加班情况未提及（无法判断）
工作生活平衡flexible working options、flexible working patterns
使命价值
70中等
职位在银行，致力于通过AI推动商业繁荣，有社会价值，但行业相对成熟，创新程度有限。
行业发展稳定成熟行业
社会影响中性/一般
使命信号drive commerce and prosperity、to be here for good
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