Data Scientist , Worldwide Global Selling -AIT

优缺点分析

角色解读

• 在亚马逊内部，可以从数据科学家晋升为高级数据科学家、首席数据科学家，或者转向应用科学、工程管理等方向
• 在AI领域，可以成长为生成式AI和智能体系统的专家，成为团队的技术带头人，负责更复杂的AI产品和技术战略
• 由于该岗位涉及全球业务，未来有机会在亚马逊全球范围内轮岗或晋升，获得更广阔的国际视野和职业发展空间
• 设计和构建面向亚马逊全球卖家的AI智能体，利用大语言模型（LLM）和检索增强生成（RAG）技术，为卖家提供智能化的业务咨询和决策支持
• 负责智能体的核心智能层开发，包括模型微调、提示词工程、工具调用编排，确保智能体能够准确、安全地处理复杂业务问题
• 建立严格的评估体系，通过离线评估和在线实验持续优化智能体的性能、质量和安全性，确保其能真正为卖家创造价值
• 与产品、工程和业务团队紧密合作，将卖家的业务痛点转化为可落地的智能体功能，并推动其在生产环境中上线
• 扎实的数据科学基础，包括机器学习、统计建模和数据分析，能够熟练运用Python和SQL等工具
• 对生成式AI和智能体系统有深入理解，熟悉RAG、提示词工程、模型微调等技术，并有实际应用经验
• 具备出色的算法设计和工程实现能力，能够将理论模型应用到实际业务场景中，并解决复杂问题
• 良好的沟通和协作能力，能够与跨职能团队（包括产品、工程、业务）有效沟通，推动项目落地

申请策略

• 在申请前，深入了解亚马逊全球销售业务和WWGS-AIT团队的工作内容，在面试中展现出对业务的理解和热情
• 准备一个你主导的AI项目案例，详细阐述你的技术决策、实施过程和最终效果，以展示你的技术实力和解决问题的能力
• 突出在数据科学、机器学习、LLM、RAG等领域的项目经验，特别是将AI技术应用于实际业务场景的案例
• 强调你的编程能力（Python、SQL）和数据处理能力，以及构建和评估AI系统的经验
• 展示你与跨职能团队合作的经验，以及如何将业务问题转化为技术解决方案的能力
• 如果有发表过相关论文或参与过开源项目，务必在简历中体现，这能增加你的竞争力
• 深入学习生成式AI和智能体系统，特别是RAG、提示词工程、模型微调等前沿技术
• 熟悉亚马逊的AWS平台和相关AI服务（如Bedrock、SageMaker），了解如何在实际环境中部署AI模型

面试指南

• 回答项目经验时，采用STAR法则（情境、任务、行动、结果），清晰地描述项目背景、你的职责、具体行动和最终成果
• 回答技术问题时，先阐述你的思路，然后结合具体案例进行说明，最后总结你的经验和教训
• 回答业务问题时，强调你的数据驱动思维和商业洞察力，展示你如何将技术能力转化为业务价值
• 请详细描述一个你设计并构建的AI智能体或LLM应用项目，包括技术选型、架构设计、遇到的挑战和解决方案
• 如何评估一个LLM智能体的质量和安全性？请描述你如何设计评估框架
• 在处理敏感数据时，如何设计智能体的护栏和合规性？
• 请举例说明你如何将业务问题转化为技术解决方案，并最终产生业务价值
• 你对生成式AI的最新进展有哪些了解？如何将这些技术应用到亚马逊的卖家业务中？