数据与人工智能高级顾问
地点 - 我们很灵活：现场、混合或完全远程，取决于您和客户的需求，地点在英国或荷兰。
您将实际从事的工作
这不是一个构建从未使用过的智能模型的角色。您的重点是通过数据科学、机器学习和生成式AI在咨询和顾问的背景下为客户创造可衡量的价值。
您将从一开始就负责工作，提出诸如“我们在这里试图创造什么价值？”和“这是要解决的正确问题吗？”等问题，直到“它上线了，利益相关者正在使用它，我们可以在数据中看到影响。”
您将相对独立地工作，并且您也将是初级团队成员寻求帮助和指导的人。工作的重要部分是将混乱、模糊的业务和技术问题转化为清晰、有价值的解决方案，使客户能够理解。
您将在客户面对的角色中做到这一点。这意味着您将参与关键对话，提供诚实的建议，管理期望，并帮助客户做出关于何时以及如何使用AI的明智决策。
您日常工作的可能样子
深入问题核心
- 与可能不清楚他们真正需要什么的利益相关者会面
- 使用探索会议、研讨会和结构化提问来揭示真正的业务问题
- 从价值的角度定义成功。例如更高的收入、更低的成本、降低的风险、提高的效率或更好的客户体验
- 将业务目标转化为每个人都能理解的数据和AI工作的清晰路线图
- 在AI不是正确解决方案时为客户提供建议，并建议更简单或更具成本效益的替代方案
咨询和顾问工作
- 作为产品负责人、部门主管和高管的可信顾问
- 帮助客户根据价值、可行性和风险优先考虑用例
- 以简单的方式传达权衡。例如准确性与速度、创新与合规、成本与影响
- 准备和交付客户演示、提案和更新，讲述一个清晰的故事
- 在需要时支持预售活动，例如工作范围界定、估算工作量和定义结果
- 管理客户期望、风险和依赖关系，以免出现意外
构建实际有效的东西
一旦问题和价值明确，您将设计和交付生产就绪的ML和生成式AI解决方案。这包括：
- 设计和构建支持期望结果的数据管道，无论是批处理还是流处理
- 与工程师和架构师合作，使您的工作能够无缝融入现有系统
- 确保您构建的东西在生产中可靠，并在商定的指标上有所推动，而不仅仅是离线基准
- 向技术和非技术利益相关者解释设计决策
生成式AI工作
您将以基于实际用例和业务价值的方式使用生成式AI：
- 构建改进搜索、内容发现或生产力的RAG系统，而不是为其自身存在
- 实施防护措施，以防止模型泄露PII或生成有害或不符合品牌的内容
- 定义和跟踪正确的指标，以便您和客户可以看到生成式AI解决方案是否有用且具有成本效益
- 微调和优化模型，使其在用例和预算中表现良好
- 设计代理工作流，使其真正改善结果而不是增加复杂性
- 帮助客户理解生成式AI在实践中能做什么和不能做什么
保持运行
您将建立保护价值的基础：
- 实验跟踪和模型版本控制，以便您知道什么有效并可以安全回滚
- ML的CI/CD管道，以便改进快速可靠地到达用户
- 模型和数据的监控和警报，以便您可以在问题损害信任或结果之前捕捉到它们
- 用简单的语言向非技术利益相关者传达操作风险和缓解措施
安全、质量和合规
您将帮助确保：
- 数据准确、可追溯且管理良好，以确保决策合理
- 正确处理敏感数据，保护用户和业务
- 满足监管和合规要求，避免代价高昂的错误
- 客户了解AI解决方案的风险概况和现有控制措施
与人合作
您将成为我们组织内部和客户方技术团队和非技术团队之间的桥梁。这意味着：
- 用简单的语言解释复杂的ML和生成式AI理念，始终与业务结果挂钩
- 与产品经理、工程师和业务利益相关者密切合作，优先处理重要的工作
- 促进研讨会、回放会议和展示，以建立认同和理解
- 指导和支持初级同事，使整个团队能够提供更多价值
- 在客户会议和行业活动中专业地代表公司
我们在寻找什么
经验
- 大约3到6年将ML或生成式AI解决方案投入生产的经验
- 从发现到交付的项目经历，并有明确的影响
- 在咨询、顾问或产品面向角色中直接与利益相关者或客户合作的经验
教育
- 计算机科学、数据科学、统计学、数学或工程等定量领域的学士或硕士学位
- 或
- 显示您能够交付结果的同等经验
技术技能
核心技能
- 强大的Python和SQL能力，代码干净且易于维护
- 对ML基础知识的扎实理解。例如特征工程、模型选择、处理不平衡数据、选择和解释指标
- 具有PyTorch或TensorFlow的经验
生成式AI特定
- 具有LLM API或开源模型（如Llama或Mistral）的实际操作经验
- 使用FAISS、Pinecone或Weaviate等向量数据库构建RAG系统的经验
- 能够使用清晰的指标评估和改进提示和检索质量
- 理解安全实践，例如PII编辑和内容过滤
- 接触过代理框架
云和基础设施
- 熟悉至少一个主要云提供商。AWS、GCP或Azure
- 熟悉Docker和CI/CD管道
- 具有使用SageMaker、Vertex AI或Azure ML等托管ML平台的经验
数据工程和MLOps
- 具有使用Snowflake、BigQuery或Redshift等数据仓库的经验
- 使用Airflow或Dagster等工具进行工作流编排
- 具有使用MLflow、Weights and Biases或类似工具的MLOps经验
- 了解数据和模型漂移，以及如何在其侵蚀价值之前进行监控和响应
安全和治理
- 熟悉安全开发实践
- 具有处理敏感数据并遵循相关政策和法规的经验
软技能，真正重要的东西
- 您在客户面对的环境中感到舒适，并能快速建立信任
- 您可以与任何人交谈，从CEO到新数据分析师，并始终将对话带回业务价值
- 您可以将模糊、混乱的业务问题转化为与结果和指标相关的清晰技术计划
- 当符合客户的最佳利益时，您乐于推迟并尊重地挑战假设
- 您喜欢帮助他人成长，并乐于指导初级同事
- 您能够清晰地进行书面和口头沟通
可选但不要求
如果您没有这些，请不要排除自己。它们是加分项，而不是清单。
- 具有Delta Lake、Iceberg、Spark或Databricks、Palantir的经验
- 具有使用vLLM、TGI或TensorRT LLM等工具优化LLM服务的经验
- 搜索和排名经验。例如Elasticsearch或重排序器
- 在时间序列预测、因果推断、推荐系统或优化方面的背景
- 管理云成本和IAM的经验，以免价值浪费
- 在需要时能够使用其他语言工作。例如Java、Scala、Go或bash
- 具有Looker或Tableau等BI工具的经验
- 之前的咨询经验或从头到尾领导客户项目的经验
- 对开源的贡献、会议演讲或发表的论文，展示您分享想法并影响更广泛社区的能力
#数据AI顾问 #数据咨询 #AI顾问 #生成式AI顾问 #正在招聘 #数据科学 #机器学习 #生成式AI #LLM #MLOps #数据工程 #Python #业务价值 #影响驱动AI #价值驱动分析 #数据驱动决策 #生产AI #混合工作 #远程友好 #灵活工作
