要求
• 有成就和进取心的高级机器学习工程师，对大型语言模型和生成式人工智能有良好的理解，
• 将最新研究转化为高性能系统和模型，以实际应用来增强用户体验，
• 应用微调和迁移学习等技术，将预训练的生成模型适应特定任务或领域，
• 通过自动化可重复的流程，培养对质量和工程卓越的追求，
• 具有MLOps和GenAIOps框架以及机器学习和大型语言模型的稳健嵌入的标准经验，
• 具备良好的数据结构、数据建模和软件架构知识，
• 通过提供有价值的反馈和贡献工具改进，帮助塑造Rightmove的人工智能未来，
• 开发解释和解读生成模型决策的方法，特别是在透明度至关重要的场景中，
• 对机器学习和生成式人工智能概念有不断深入学习的无尽热情，
• 维护模型开发的最佳实践，包括部署流程、文档和编码标准，
• 自信地参与技术和产品讨论，与公司内的同事分享知识和想法，
• 具备卓越的沟通能力，能够合作并交付结果，
• 从整体上看待问题，并理解对业务的价值。分析用户需求，了解差距所在，并为引领Rightmove采用数据科学实践做出贡献，
• 愿意接受建设性反馈，既是一个优秀的个人领导者，也是一个团队贡献者，
• 好奇心强，思维活跃，具备一流的批判性思维能力，
• 能够挑战和质疑想法，坦诚地提供解决方案和选择，
• 预计持续进行机器学习和人工智能领域的专业发展，
• （理想条件）计算机科学、数学、计算统计学、机器学习或相关STEM领域的学士学位、硕士或博士学位，
• （理想条件）在快节奏复杂的业务环境中具有5年以上相关的机器学习和数据工程经验，
• （理想条件）熟悉理解和实现生成模型，如生成对抗网络（GANs）、变分自编码器（VAEs）和类似Transformer的自回归模型，
• （理想条件）具备SQL和Python的专业经验，超出脚本编写的范围；了解基本范式（如面向对象编程）、相关工具（如Git）以及核心库和深度学习框架（如PyTorch、Tensorflow、Keras）；云技术，特别是GCP；具备ML流水线编排工具的经验；具备端到端ML生命周期的部署经验，
• （理想条件）适应生成式人工智能作为关键服务不断演进的动态环境，
• （理想条件）参与涉及多种类型数据同时生成的项目，如图像和文本，推动生成模型能够实现的边界，
• （理想条件）对业务、产品、用户以及同事等具有推动力的影响力，
• （理想条件）商业头脑，能够将数字放入业务视角，并具有在快节奏环境中推动增长的经验，
• （理想条件）积极主动的心态，
• （理想条件）具备较强的人际交往能力，能够舒适地与多个利益相关者合作，
• （理想条件）积极主动地寻求和提供关心和建设性反馈
工作内容
• 作为一名高级机器学习工程师，您将成为我们新组建的跨职能小组的一部分，该小组由来自Rightmove不同职能部门的人员组成，包括机器学习工程师、数据科学家、软件开发人员、机器学习运维工程师和产品负责人，
• 这些小组是协作、雄心勃勃和坚定的团队，具有高度的自主权和速度，并重视创新和影响力，
• 它们属于数据和分析团队，是产品开发组织的一部分，发挥着关键作用，提供令人兴奋的解决方案，
• 我们正在寻找一位高级机器学习工程师，构建高效的数据驱动型人工智能系统，推进我们的预测自动化和生成式人工智能能力，
• 我们很自豪地成为一个当前正在增长并丰富其数据和数据科学能力的团队，在一个令人兴奋、有趣、相关和具有挑战性的行业中提供有效和有影响力的解决方案，
• 您将积极参与我们的人工智能平台——推动算法的开发、实施和扩展，以实现业务的可衡量影响，并创建能够加速机器学习和生成式人工智能产品的交付和优化的工具、框架和基础设施，
• 领导设计、构建、实施和扩展传统机器学习和生成式人工智能模型的端到端架构的工作，
• 与数据工程师和软件工程师合作，构建可扩展和可靠的基础设施，作为支持各种机器学习工作负载的统一数据平台（Data Hive）的一部分，
• 处理大型数据集，清洗和预处理数据，并对其进行特征工程，使其适用于机器学习模型。这可能涉及数据清洗、归一化和处理缺失值，
• 充当数据科学家和后端工程师之间的桥梁，数据科学家可能没有构建可扩展系统的经验，而后端工程师可能缺乏机器学习或生成式人工智能系统的经验，
• 积极参与模型开发的各个方面，从构思和实验到部署，
• 支持定义优先事项和路线图——与其他团队合作决定我们首先需要什么，需要构建什么，而不是购买什么，
• 与高级管理人员和关键利益相关者合作，确定和优先考虑一系列核心业务方面的可行行动和有影响力的见解，推动业务的明智决策，从而增强Rightmove实现目标和目标的能力，
• 为各种数据项目和OKR提供支持，例如为Rightmove的统一数据平台（Data Hive）的令人兴奋的数据工程开发做出贡献 
伦敦