摘要应用数据科学家-MLOps的角色专注于开发和部署数据科学解决方案，同时确保在各个业务领域的顺畅运营功能。主要目标是构建可扩展且稳定的MLOps管道，以实现稳健的模型部署和监控，助力客户更好地利用机器学习和人工智能。主要职责：使用传统机器学习和现代建模技术设计和开发数据科学解决方案。进行探索性数据分析（EDA）、特征工程和数据预处理以进行模型开发。构建、测试和验证有监督和无监督的机器学习模型，优化算法和超参数以增强稳健性。通过CI/CD和容器化工作流领导ML/AI模型的生产部署。为各种部署流程（如训练、测试和服务）开发可复现的机器学习管道。部署LLM驱动的应用程序，并在Azure OpenAI和Hugging Face等平台上构建可扩展的后端基础设施。开发自动化脚本以优化数据管道和部署工作流。与IT和工程团队合作，确保模型成功集成到现有系统中。关键要求：计算机科学、数据科学、工程或相关领域的学士学位。3-4年专注于模型部署的数据科学家或机器学习工程师的实际经验。强大的Python编程技能（Pandas、NumPy、Scikit-learn）。熟练掌握机器学习框架：TensorFlow、PyTorch、MLflow、Hugging Face。具备MLOps工作流和CI/CD（例如GitHub Actions、Azure DevOps）的实际经验。优先条件：拥有机器学习/人工智能/MLOps的硕士学位或认证。具备LLMs和RAG管道的经验。深入了解MLOps工具，如Airflow和Kubernetes。能够使用FastAPI或Flask构建API。其他细节：工作背景：支持客户使用机器学习和人工智能，重点关注稳定的MLOps管道。团队协作：与IT、工程和业务团队密切合作。
