资深ai应用工程师.

关于公司
是全球领先的健康、安全、可持续的建筑和冷链技术供应商，致力于让世界更安全、更舒适。我们正站在数字化转型的前沿，将人工智能视为驱动下一代智能楼宇、能源优化和高效供应链的核心动力。
 

关于团队
加入我们的AI创新团队，您将有机会将尖端的AI模型从实验室带入全球数百万用户的实际企业级应用中，直接影响产品的能效、客户体验和运营效率。我们需要的不仅仅是算法研究员，更是能够亲手构建和部署稳定、可扩展、高可靠性AI系统的工程实践家。
 

工作职责

1. AI 系统端到端构建与落地： 领导或参与设计、开发和部署企业级AI解决方案（如预测性维护、智能控制、能源优化等）。确保AI模型能够在高并发、高可靠性的生产环境中稳定运行。
2. MLOps 流程与工具链建设： 负责构建和优化AI模型的持续集成/持续部署（CI/CD）管道、模型版本控制、自动化测试和生产监控体系，推动AI工程化效率。
3. 系统集成与性能优化： 与数据工程、DevOps和产品团队紧密合作，将AI服务无缝集成到现有企业IT架构、云平台（如Azure、AWS）或边缘设备中，并持续进行性能调优和资源优化。
4. 技术选型与架构设计： 评估并引入最新的AI工程技术、框架和云服务，为AI解决方案制定可扩展、高弹性的系统架构。
5. 质量与风险控制： 确保AI应用满足严格的行业安全、隐私和合规性标准，负责生产环境中的故障排查和紧急响应。
6. 技术指导与分享： 作为团队的技术骨干，为初级工程师提供技术指导和代码审查，分享企业级AI应用的最佳实践。

任职要求.

1. 教育背景： 计算机科学、软件工程、人工智能或相关领域的本科及以上学位。
2. 经验要求： 5年及以上AI/机器学习相关工作经验，其中至少3年专注于AI模型的企业级应用落地、部署和维护。
3. 编程与工程能力： 精通Python（或Java/Go等），具备卓越的软件工程能力、数据结构和算法基础，能编写高质量、可维护、高效率的代码。
4. AI/ML 核心技能： 熟悉主流深度学习框架（如TensorFlow, PyTorch）和经典机器学习算法。
5. MLOps 与部署实践： 对MLOps概念有深入理解和实战经验，熟练使用Docker/Kubernetes进行容器化部署和管理，具备在**公有云平台（如Azure、AWS、GCP）**部署和管理AI服务的经验。
6. 架构能力： 具备设计和实现分布式、高可用、高并发AI服务接口（如REST API, gRPC）的经验。
7. 沟通能力： 具备优秀的跨职能团队协作能力和问题解决能力。