职位责任：
• 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调整机器学习模型。评估模型性能，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，以实现实时决策。
• 性能监控和维护：监控模型性能，解决任何出现的问题或异常。通过优化算法、改进代码以及结合用户和利益相关者的反馈持续优化模型。
• 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结果。使用统计方法和可视化技术有效传达复杂的概念和模式。
• 及时了解最新进展：紧跟机器学习和人工智能领域的最新研究和趋势。评估并推荐新工具、库和方法来提升机器学习工作流程的效率和有效性。
任职要求：
• 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。具有等同的教育和工作经验也将被考虑。
• 至少两年的相关工作经验。在现实应用中设计、开发和部署机器学习模型的实际经验。
• 对机器学习算法、技术和库（例如：TensorFlow、PyTorch、scikit-learn）有扎实的理解。
• 有在大语言模型和生成性人工智能技术方面的工作经验者优先。
技术技能：
• 熟练掌握如Python等编程语言。
• 精通机器学习框架，如TensorFlow、PyTorch或Scikit-Learn等。
• 具备统计分析、概率论和假设检验的扎实理解。
• 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。
• 解决问题和分析的思维方式：能够分析复杂问题，将其拆分为可解决的部分，并开发创新的机器学习解决方案。强大的数学和分析技能是必不可少的。
• 交流与协作：优秀的口头和书面沟通能力，能够向技术和非技术利益相关者传达技术概念。证明有能力在团队环境中协作并有效管理多个优先事项。
• 适应能力和持续学习：愿意适应不断变化的技术，学习新工具和技术。体现对保持与机器学习和人工智能领域最新进展的更新的承诺。
（EA注册号：20C0312）
请将您的详细简历发送至 qianyu@talentsis.com.sg，以便立即处理。
仅通知入围的候选人。 
新加坡