我们正在寻找一位高技能的应用AI/机器学习工程师，他能够在数据科学、数据工程和AI部署之间架起桥梁。您将负责构建端到端的机器学习解决方案——从收集和准备数据，到训练、评估和部署模型，以增强Kammelna Games玩家体验（例如，流失预测、个性化、用户参与优化）。这个角色非常适合那些在数据工作、机器学习模型开发和可扩展AI系统交汇处茁壮成长的人。
职责
设计、开发和部署用于实际应用场景的机器学习模型（玩家行为预测、个性化、留存建模、欺诈检测等）。
构建和维护数据管道（ETL/ELT），以从多个来源（游戏分析、API、用户数据）收集、清理和处理大型数据集。
与产品和工程团队合作，将AI模型集成到生产环境中（API、后端系统）。
实施和管理MLOps实践——模型版本控制、ML的CI/CD、监控和再训练管道。
进行探索性数据分析（EDA），以发现见解并指导模型特征。
优化模型的准确性、延迟和可扩展性。
开发仪表板和报告，以向非技术利益相关者传达模型性能和见解。
保持对ML/AI框架（LLMs、深度学习、强化学习）的最新了解，并主动提出创新想法。
核心技术技能
精通Python编程（pandas、NumPy、scikit-learn、TensorFlow或PyTorch）。
对机器学习算法有扎实的理解（监督、无监督、深度学习）。
具有数据工程工具的实际经验：
ETL框架（Airflow、Prefect或自定义管道）
SQL和NoSQL数据库（PostgreSQL、BigQuery、MongoDB）
数据存储（S3、GCS等）
具有MLOps/生产部署经验：
容器化（Docker、Kubernetes）
API（FastAPI、Flask）
ML的CI/CD（MLflow、Kubeflow或Vertex AI）
熟悉云平台（AWS、GCP或Azure ML）。
精通版本控制（Git）和协作工作流程。
教育与经验
计算机科学、数据科学、AI或相关领域的学士或硕士学位。
3-7年机器学习、数据科学或AI工程的实际经验。
在从概念到部署的端到端ML项目交付方面有丰富经验。
