渣打银行
AI Ops Engineer
AI Ops Engineer
发布于 大约 7 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Aiops
Gpu
Llmops
Machine Learning
Mlops
值不值得投
76综合评分
综合评分 76
外资银行AI平台岗，技术栈前沿、福利体系完善，兼具成长空间与工作生活平衡。
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
40K
比DevOps/SRE中位数高
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 280 个在招 · 其中DevOps/SRE 4 个
市场机会
选择适中
广州 · DevOps/SRE · 16 个在招
职位详情
关于这个职位
作为渣打银行的AI运维工程师，你将负责设计和交付混合AI平台，维护基于Databricks和本地集群的MLOps/LLMOps流水线，监控并优化GPU和云平台性能，确保AI解决方案的可扩展性、可靠性和效率
你将与数据科学家、工程师等多方团队紧密合作，将AIOps解决方案集成到现有服务中
最低要求
拥有4-6年AI运维或机器学习运维领域的工程或运维经验，并有成功交付复杂AI项目的记录
精通数据平台（如Databricks）、CI/CD（如Azure DevOps）、机器学习框架（如TensorFlow, PyTorch）、MLOps工具（如MLflow, Kubeflow）、云平台（如Azure, AWS）及基础设施即代码（如Terraform）
具备GPU计算及针对AI工作负载优化的实操经验
精通Python、Java或C++等编程语言
具备数据工程、集成、ETL及处理大数据集的经验
具备出色的分析和解决问题的能力，能够进行批判性和创造性思考
具备较强的人际交往和沟通能力，能够在协作团队环境中高效工作
学历要求：工程学学位或同等学力
工作职责
负责设计和交付混合AI平台
维护可扩展、高效且可靠的数据与AI流水线
维护跨越Databricks和本地集群的MLOps及LLMOps流水线
开发并实施AI和机器学习模型以增强运营并自动化例行任务
监控并分析系统性能，主动识别和解决问题
创建并维护AIOps流程与解决方案的文档
进行根本原因分析并实施纠正措施以预防未来事件
在中央可观察性范围内，为AI平台设计、实施并维护监控策略
确保AI平台的交付和服务符合安全、风险要求和服务级别协议（SLA）
与数据科学家、数据工程师和中央数据治理团队协作，以对齐标准化的数据战略
与其他团队协作，将AIOps解决方案集成到现有服务（如ServiceNow、Elk等）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，确保较低的技术债务并避免代码混乱
\• 及时了解行业趋势和人工智能领域的研究
与内外部利益相关者建立并维持牢固的关系
优先资格
接受过AI/ML领域的培训
持有AI/ML、Databricks、Azure、Terraform等相关认证
AI 洞察
优缺点分析
优点
- 在大型国际化金融机构中参与前沿的AI平台建设，能接触复杂的企业级技术栈和业务场景
- 职责覆盖MLOps全链路，技术视野广，能积累从平台到应用的宝贵经验
- 公司提供完善的培训体系、有竞争力的福利和注重WLB的文化
- 需要与多个跨国团队和业务部门协作，对沟通和项目协调能力要求高
- 技术栈涉及云、本地、GPU等多个领域，需持续学习以跟进快速演进的AI运维技术
- 适合具备中高级DevOps或MLOps经验，追求在严谨、规范的金融科技环境中构建和优化大型AI平台，看重工作生活平衡和全球化职业发展的工程师
缺点 / 挑战
- 银行IT系统对稳定性、安全性和合规性要求极高，需要平衡创新与风险控制
角色解读
- 技术专家路线：深耕MLOps/LLMOps领域，成为AI平台架构或云计算架构专家
- 管理路线：积累项目经验和团队协作能力，向技术团队负责人或经理方向发展
- 横向扩展：接触更多银行核心业务和数据治理，可转向解决方案架构或数据平台管理方向
- 构建和维护企业级AI/机器学习平台，确保其高效、可靠地运行
- 开发和运维数据管道与机器学习模型部署流水线，实现从数据到模型的自动化交付
- 优化GPU和云资源，监控系统性能，保障AI服务的稳定性和安全性
- 与数据科学、架构和业务团队协作，将AI能力集成到现有IT服务和流程中
- 精通AI平台开发及MLOps/LLMOps全流程实践，熟悉Databricks、Kubeflow等工具
- 扎实的编程能力（Python/Java/C++）和数据工程背景，能处理大数据管道
- 熟悉主流云平台（Azure/AWS）及基础设施自动化工具（如Terraform）
- 具备GPU集群管理与优化经验，并了解AI应用的安全与风控要求
申请策略
- 仔细研究渣打银行的技术博客和公开的AI/数据战略，将个人经验与公司方向结合
- 准备阐述你如何在保证系统稳定性和安全性的前提下，推动AI平台的效率和自动化
- 重点描述使用Databricks/Azure等云平台构建MLOps流水线的实际项目经验与成果
- 突出处理过GPU计算优化、大规模数据管道或复杂系统故障排查的经历
- 强调在跨职能团队（如与数据科学家、运维团队）协作交付项目的具体案例
- 如有相关认证（如Azure, Databricks, Terraform），请明确列出
- 深入学习银行金融领域对数据安全、模型可解释性和审计合规的具体要求
- 系统梳理和展示自身在MLflow、Kubeflow等MLOps工具链上的实践经验
面试指南
- 使用STAR法则（情境-任务-行动-结果）结构化描述项目经历，突出技术决策和量化成果
- 强调系统性、安全性和协作性：展示你如何监控、分析、定位问题，并与团队沟通解决
- 结合成本、效率和可维护性进行回答，体现对生产环境复杂性的深刻理解
- 请描述一个你设计或维护过的MLOps流水线，其核心挑战和解决方案是什么？
- 当线上AI服务出现性能下降或故障时，你的排查思路和关键步骤是怎样的？
- 如何确保GPU资源在多团队、多任务环境下被高效利用？请举例说明
- 在银行环境中部署AI模型，与在互联网公司有何主要不同？你需要特别关注什么？
- 复习Databricks、Terraform、Kubernetes等JD中提及的核心技术栈的关键概念和最佳实践
职位点评
薪资福利78
成长发展82
工作生活65
使命价值72
薪资福利
78中等
作为大型跨国银行，提供有竞争力的薪酬、完善的保险和退休储蓄计划，以及法定的带薪假期，基本保障较强。
薪资信号未披露（AI估算：30K-50K/月）
福利待遇退休储蓄、医疗保险、人寿保险、年假、产假、志愿服务假
成长发展
82较高
岗位直接参与AI平台核心建设，技术栈涉及MLOps、云计算、GPU优化等前沿领域，且公司提供持续学习文化和培训资源。
技术前沿前沿/新兴技术
技术栈AI Platform、MLOps、LLMOps、Databricks、PyTorch、Terraform、GPU
成长机会continuous learning culture、reskill and upskill、learning
业务类型ambiguous
工作生活
65中等
公司明确提供灵活办公选项和多种休假制度，对工作生活平衡有积极支持，但具体到本岗位的工作模式未明确说明。
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）
工作生活平衡Flexible working、annual leave、parental/maternity leave、sabbatical、volunteering leave
使命价值
72中等
渣打银行有明确的使命和价值观（推动商业繁荣），AI平台建设是赋能业务的重要基础，具有支持业务发展的间接社会价值。
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、making a difference、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