宏利
Senior ML Engineer
Senior ML Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工混合式弹性办公机器学习工程
机器学习工程
CI/CD
Genai
Langgraph
Mlops
Rag
Sql
值不值得投
80综合评分
综合评分 80
跨国金融巨头Health AI核心岗，技术栈前沿且成长空间大，提供混合办公，薪资福利具市场竞争力。
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
6万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
46 个在招
市场机会
选择不多
香港特别行政区 · 机器学习工程 · 1 个在招
职位详情
关于这个职位
该职位是宏利亚洲Health AI团队的高级机器学习工程师，主要负责构建可扩展的生产级AI/ML和生成式AI能力
你将设计数据管道、实施MLOps实践、开发模型服务，并应用RAG、提示词工程等现代GenAI模式，将复杂的健康数据转化为实际解决方案，推动Health AI在亚洲多个市场的规模化落地
最低要求
拥有计算机科学、机器学习、工程、数据科学、统计学或其他定量领域的高级学位，并具备丰富的生产级机器学习工程实践经验
拥有6年以上设计和运营可扩展数据管道、特征工程工作流以及生产AI/ML系统模型训练管道的经验
具备全面的MLOps专业知识，涵盖模型全生命周期，包括实验跟踪、模型版本控制、CI/CD、自动化测试、部署自动化、监控和发布治理
拥有在Azure、Databricks、Spark等云平台及容器化部署环境中构建和扩展模型服务能力、API、批量推理管道和GenAI服务的实践经验
具备高级Python和SQL编程技能，并有使用ML框架、数据处理工具、编排管道以及GenAI工程包（如LangChain、LangGraph、ADK或CrewAI）的实际经验
掌握现代GenAI工程模式的实用知识，包括检索增强生成（RAG）、向量搜索、提示词编排、函数调用、智能体工作流和评估框架
具备通过日志记录、监控、告警、模型性能跟踪和持续优化来提高平台可靠性、性能、成本效益和可观测性的经验
能够与数据科学、数据工程、IT和业务团队合作，将Health AI用例转化为安全、可复用的生产级工程模式
具备出色的沟通、主人翁精神和指导能力，能够指导工程最佳实践，并有效地跨技术和非技术利益相关者进行协作
工作职责
设计、构建和维护可扩展的数据管道和特征工程工作流，以支持Health AI模型的开发、评估和生产部署
在模型生命周期中开发稳健的MLOps实践，包括实验跟踪、模型版本控制、CI/CD、自动化测试、监控和符合治理要求的发布流程
构建和运营可靠的模型服务能力、API、批量推理作业和GenAI服务，使其能够跨多个Health AI用例和市场进行扩展
与数据科学家、数据工程师、AI开发人员和IT团队合作，使用批准的云架构、安全标准和可复用的工程模式，将机器学习和GenAI解决方案产品化
实施现代AI工程模式，如检索增强生成、提示词编排、函数调用、智能体工作流、向量搜索和Health AI解决方案的评估框架
通过日志记录、监控、告警、模型性能跟踪和持续优化，提高Health AI平台的可靠性、性能、成本效益和可观测性
创建可复用的模板、工具和工程标准，帮助团队加速交付生产级的Health AI能力
紧跟机器学习工程、MLOps、云原生AI平台和生成式AI架构的最新进展，不断加强Health AI的交付能力
AI 洞察
优缺点分析
优点
- 处于Health AI和GenAI结合的前沿领域，技术栈现代且极具行业前景
- 依托跨国金融巨头的平台，能接触大规模、高复杂度的真实业务场景与数据
- 提供混合办公模式，且公司文化强调多元化与包容性，工作体验较好
- 金融医疗领域对合规、安全和治理要求极高，工程落地需平衡创新与风控
- 具备扎实MLOps和GenAI工程经验，希望在金融科技与医疗健康交叉领域深耕，且看重平台稳定性与技术前沿性的高级技术人才
缺点 / 挑战
- 需跨多个亚洲市场协调资源，对沟通能力和跨团队协作要求较高
角色解读
- 纵向可晋升为机器学习架构师或AI团队技术负责人，主导区域级AI战略
- 横向可转型为AI产品技术专家或GenAI解决方案架构师，深入业务场景落地
- 负责构建和维护可扩展的数据管道与特征工程工作流，支持Health AI模型的开发与部署
- 实施MLOps最佳实践，涵盖实验跟踪、模型版本控制、CI/CD及自动化测试，确保模型全生命周期的稳健性
- 开发并优化模型服务与GenAI平台，应用RAG、智能体工作流等前沿技术，将健康数据转化为实际业务解决方案
- 精通Python和SQL，熟练掌握LangChain、LangGraph等GenAI工程包及主流ML框架
- 具备深厚的MLOps经验，熟悉Azure、Databricks等云平台及容器化部署环境
- 掌握现代GenAI模式（如RAG、向量搜索、函数调用），并能将其应用于生产级系统
申请策略
- 了解宏利在亚洲市场的Health AI战略布局，面试时展现对业务场景的理解
- 突出6年以上生产级ML系统经验，特别是数据管道设计与MLOps全流程落地案例
- 详细展示GenAI项目经验，如RAG、智能体工作流的实际应用及性能优化成果
- 强调在Azure/Databricks等云原生环境下的架构设计与容器化部署能力
- 深入学习金融或医疗行业的合规要求及数据安全标准
- 提升跨文化、跨时区团队的沟通与项目管理能力
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动和结果，重点突出量化收益
- 架构设计思路：从需求分析、技术选型、系统架构到监控运维，系统性回答设计类问题
- 请分享一个你从零构建或优化MLOps流程的实际案例，遇到了哪些挑战？
- 在Health AI场景下，如何设计一个高可用且符合合规要求的RAG系统？
- 你如何使用LangChain或LangGraph实现复杂的智能体工作流？
- 当模型推理成本过高或延迟不达标时，你有哪些优化策略？
- 复习GenAI核心概念（如RAG、向量数据库、Prompt Engineering）及最新进展
- 准备2-3个具有代表性的MLOps或模型部署项目，梳理其中的技术难点与解决方案
职位点评
薪资福利80
成长发展85
工作生活75
使命价值80
薪资福利
80较高
跨国金融巨头提供具有市场竞争力的薪酬与完善的福利体系，薪资水平处于行业中上游。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
85较高
岗位涉及GenAI、MLOps等前沿技术，且处于Health AI这一高增长赛道，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Python、SQL、MLOps、GenAI、LangChain、LangGraph、Azure、Databricks、RAG、CI/CD
成长机会mentoring skills、guide engineering best practices、Stay current with advances
业务类型ambiguous
工作生活
75中等
明确提供混合办公模式（Hybrid），且公司文化强调多元化与包容性，整体工作体验较好。
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）
使命价值
80较高
致力于Health AI领域，将复杂健康数据转化为实际解决方案，具有较高的社会价值与行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号helping people make their decisions easier and lives better、build a diverse and inclusive work environment
创新程度积极采用新技术
宏利 的其他在招职位
相似职位推荐
Watch Jobs