我们正在寻找一位机器学习工程师，负责设计、开发和优化高性能的机器学习模型与平台，推动数据及AI技术在业务场景中的规模化落地，为企业提供AI能力规模化应用的工程基础。

我们希望这位伙伴热衷于指导、辅导和激励他人，渴望影响队友采取积极行动并对自己的工作负责。对于培养牢固的合作伙伴关系有成功经验；了解建立信任关系的重要性，以及如何为我们的业务带来新的机遇。

岗位职责

• 构建和维护企业级机器学习平台，支持模型的自动化训练、部署与监控（如MLflow、Kubeflow）。
• 理解云原生的现代架构，开发可扩展、可维护的 ML 系统，确保最佳性能和效率。
• 优化分布式计算资源（Spark/Hadoop），提升模型推理效率与系统稳定性。
• 构建、部署和维护 ML系统，以及将 MLOps 原则应用于 ML生命周期管理。
• 设计特征存储、LLM矢量化和实验跟踪系统，实现模型版本控制与持续集成（CI/CD）。
• 与数据科学家、产品经理紧密合作，理解业务需求并设计技术解决方案。
• 制定技术愿景和战略、保持其相关性并与业务需求保持一致。
• 探索联邦学习、模型压缩等前沿技术，推动平台技术迭代。

我们的要求

技术技能

• ​教育背景：计算机科学、软件工程或相关专业本科及以上学历。
• 精通Python/Java，熟悉TensorFlow/PyTorch框架及分布式系统（Spark/K8S）。
• 有相关 ML 技术和平台（如 Scikit-learn、MLFlow、Kubeflow）构建、部署和维护 ML 系统的经验。
• 熟悉云计算服务（AWS/GCP/Azure/AliCloud），及其相关的模型管理平台，例如：Azure、AWS、GCP 或 Databricks 的 ML 托管服务。
• 3年以上ML工程化经验，主导过大规模模型落地项目。
• 扎实的软件工程基础（如架构模式、性能调优）。
• 参与开源框架贡献（如Dify）或熟悉模型解释性（XAI）技术。
• 将研究级模型工程化为生产级服务，确保低延迟、高可用（如ONNX、Triton Inference Server）。

其它你可以了解的

学习与发展

在 Thoughtworks 没有一刀切的职业道路您的职业发展完全取决于您个人。同时我们也会平衡自主权与我们的文化。您的职业生涯也会有互动工具、众多发展计划和愿意帮助您成长的同事的支持。我们认为互相帮助是我们最好的价值，这是我们的员工职业生涯中赋予他们权力。

关于Thoughtworks

Thoughtworks 是一个充满活力且包容的社区，汇聚了才华横溢、彼此支持的同事，共同推动科技的变革。作为一家领先的技术咨询公司，我们通过富有意义且具有深远影响的工作不断突破边界。30多年来，我们与客户携手合作，利用技术作为差异化优势，帮助他们解决复杂的业务难题，创造非凡的影响。将你的卓越专业知识和对持续学习的承诺带到 Thoughtworks，让我们一起成就非凡！

#LI-Onsite