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，以解决特定的业务问题。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程序集成，以支持实时决策。
• 性能监控和维护：监控模型性能并解决任何出现的问题或异常。通过完善算法、优化代码以及结合用户和利益相关者的反馈，不断改进模型。
• 数据分析和洞察：进行探索性数据分析，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地传达复杂概念和模式。
• 跟进最新进展：了解机器学习和人工智能领域的最新研究和趋势。评估并推荐新的工具、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。等同的教育和经验组合也会被考虑。
• 经验：至少2年在类似角色中的工作经验。在实际应用中设计、开发和部署机器学习模型的实践经验。
• 对机器学习算法、技术和库（如TensorFlow、PyTorch、scikit-learn）有扎实的理解。
• 有大型语言模型和生成式人工智能技术的工作经验者优先。
技术技能：
• 精通Python等编程语言。
• 熟练掌握TensorFlow、PyTorch或Scikit-Learn等机器学习框架。
• 对统计分析、概率论和假设检验有扎实的理解。
• 熟悉云平台上的机器学习工具（如AWS、Azure、GCP）和分布式计算框架（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，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。证明能够在团队环境中协作并有效管理多个优先事项。
• 适应性和持续学习：愿意适应不断发展的技术，学习新工具和技术。展现出对保持跟进机器学习和人工智能最新进展的承诺。
只有入围的候选人会被通知。
请将您的详细简历发送至chally@talentsis.com.sg，以便立即处理。
（EA注册号：20C0312） 
新加坡