职责：
1. 推动银行资金和市场部门所有支柱的分析项目，如债券分析、新闻生成外汇交易信号、产品推荐和客户超个性化。
2. 进行文献综述，评估不同定量算法和人工智能/机器学习模型之间的权衡。
3. 利用先进的统计和机器学习方法，从大量的交易、运营和客户数据中得出见解并生成预测。
4. 实施和训练人工智能/机器学习模型，并优化算法效率（GPU分布式计算，并发编程）。
5. 编写和重构代码为可重用的库/ API/ 工具，部署机器学习生态系统/ 流水线，并根据需要进行子系统集成。
6. 将解决方案集成到企业MLOps生态系统中，并自动化CI/CD流水线以进行模型生命周期维护和监控。
所需经验：
1. 数量学相关学士/硕士学位，如数学/统计学、商业分析、计算机科学、工程学或同等经验。
2. 对数据科学生产生命周期具有良好的理解，具有处理结构化、半结构化和非结构化数据的实际经验。
3. 出色的软件技能（Python、SQL变体），并具备设计模式、代码优化、面向对象编程的知识。
4. 具有可证明的对各种人工智能/机器学习概念和模型的理解和应用，了解它们的数学基础和权衡。
5. 具有实际经验，使用定量和统计技术解决业务问题，如假设检验、回归、因果和相关分析等。
6. 出色的口头和书面沟通能力，能够通过演示或其他方式向非技术人员解释技术工作的见解。
最好具备（至少2个或更多）
1. 熟悉Linux操作系统、Openshift、Kubernetes以进行基于容器的部署。
2. 具有语言模型、RAG概念、开源生成AI（GenAI）框架和提示工程原则的经验。
3. 使用开源计算机视觉和文档AI模型和概念的经验（表格识别、手写识别、关键信息提取、签名检测、图像理解）。
4. 对深度学习模型架构有深入的理解，并具有构建自定义架构的经验。
5. 具有构建数据模型、编写复杂查询和使用商业智能/可视化工具（Tableau）的经验。
6. 对MLOps生态系统有了解，并具有构建维护完整模型生命周期的系统的经验。
7. 在时间序列分析、统计信号处理和相关建模技术方面具有专业知识。
8. 对不同产品和市场的定价、建模、预订和风险有深入的理解。 
新加坡