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。实施API并与现有系统和应用程序集成，以实现实时决策。
· 性能监控与维护：监控模型性能并解决出现的任何问题或异常。通过改进算法、优化代码和采纳用户及利益相关者的反馈持续改进模型。
· 数据分析与洞察：进行探索性数据分析，生成见解并向利益相关者展示发现。使用统计方法和可视化技术有效地传达复杂概念和模式。
· 跟踪最新进展：关注机器学习和人工智能最新研究和趋势。评估并推荐新工具、库和方法，以提升机器学习工作流程的效率和有效性。
要求：
· 教育：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。也会考虑等效的教育与经验组合。
· 经验：至少2年的相关工作经验。在现实世界应用中设计、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）有扎实理解。
· 具有大型语言模型和生成AI技术工作经验者更佳。
技术技能：
1) 精通Python等编程语言。
2) 熟悉机器学习框架，如TensorFlow、PyTorch或Scikit-Learn等。
3) 对统计分析、概率论和假设检验有扎实理解。
4) 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）更佳。
5) 解决问题与分析思维：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。强大的数学和分析技能是必需的。
6) 沟通与协作：优秀的口头和书面沟通能力，能够将技术概念向技术和非技术利益相关者传达。具备在团队环境中良好协作的能力，并能有效管理多个优先事项。
7) 适应性与持续学习：愿意适应不断发展的技术，学习新工具和技术。展示持续关注机器学习和人工智能最新进展的承诺。
仅通知入围候选人。
请将详细简历发送至 bianca@talentsis.com.sg 以便立即处理。
（EA注册号：20C0312） 
新加坡