职责：
• 开发和部署机器学习模型：设计、构建和优化机器学习模型和算法，以解决特定的商业问题。与跨职能团队合作，收集需求，定义目标，并将模型部署到生产环境中。
• 模型训练和评估：使用适当的算法和技术训练和微调机器学习模型。评估模型性能并识别改进领域，采用交叉验证、超参数优化和集成方法等技术。
• 模型部署和集成：与软件工程师和DevOps团队合作，将机器学习模型部署到生产环境中。实现API并将模型与现有系统和应用集成，以实现实时决策。
• 性能监控和维护：监控模型性能并解决出现的任何问题或异常。通过优化算法、改进代码和根据用户和利益相关者的反馈不断改进模型。
• 数据分析和洞察：执行探索性数据分析，生成洞察并向利益相关者呈现发现。使用统计方法和可视化技术有效传达复杂概念和模式。
• 关注最新进展：保持对机器学习和人工智能最新研究和趋势的关注。评估并推荐新工具、库和方法，以提高机器学习工作流程的效率和有效性。
要求：
• 教育背景：计算机科学、数据科学、机器学习或相关领域的学士或硕士学位。具有等同的教育和经验组合也将被考虑。
• 经验：至少2年的类似工作经验。在实际应用中设计、开发和部署机器学习模型的实践经验。
• 扎实的机器学习算法、技术和库的理解（例如，TensorFlow、PyTorch、scikit-learn）。
• 有大语言模型和生成AI技术方面的工作经验者优先。
技术技能：
• 精通Python等编程语言。
• 熟练掌握机器学习框架，如TensorFlow、PyTorch或Scikit-Learn等。
• 扎实的统计分析、概率论和假设检验的理解。
• 熟悉云平台（例如，AWS、Azure、GCP）上的机器学习工具和分布式计算框架（例如，Spark）者优先。
• 解决问题和分析思维：能够分析复杂问题，将其分解为可解决的组成部分，并开发创新的机器学习解决方案。强大的数学和分析能力是必不可少的。
• 沟通与协作：优秀的口头和书面沟通能力，能够将技术概念传达给技术和非技术利益相关者。具有在团队环境中有效协作和管理多个优先事项的证明能力。
• 适应能力和持续学习：愿意适应不断发展的技术，学习新工具和技术。表现出对保持更新机器学习和人工智能最新进展的承诺。
地点：安摩桥
（EA注册号：20C0312）
请将您的详细简历发送至kayla@talentsis.com.sg以便立即处理。
仅通知入围候选人。 
新加坡