职位描述
VAM Systems 目前正在为我们在阿联酋的业务寻找数据科学家-MLOps，具备以下技能和条款条件：
资格：
- 计算机科学、数据科学、工程或相关领域的学士学位。
- 拥有ML/AI/MLOps的硕士学位或认证者优先。
经验：
- 3-4年作为数据科学家或ML工程师的实际经验，重点关注模型部署。
- 在生产环境中部署ML、DL和GenAI模型的验证经验。
- 在MLOps工作流程中具有实际经验，包括模型训练、版本管理、部署、监控和自动化。
技能：
- 强大的Python编程技能（Pandas、NumPy、Scikit-learn）。
- 精通ML框架：TensorFlow、PyTorch、MLflow、Hugging Face。
- 深刻理解MLOps工具：MLflow、Airflow、Kubeflow、Docker、Kubernetes、Azure ML。
- 具有CI/CD经验（GitHub Actions、Azure DevOps）。
- 能够构建API（FastAPI、Flask）和容器化部署。
- 具有LLMs、RAG管道、向量数据库（FAISS、Pinecone）和提示工程经验。
职责
数据科学与分析：
- 设计和开发使用传统ML和现代建模技术的数据科学解决方案。
- 执行探索性数据分析（EDA）、特征工程和数据预处理以进行模型开发。
- 定义可衡量的成功指标，包括准确性、精确度、召回率、吞吐量和延迟。
机器学习模型开发：
- 贡献构建、测试和验证使用最佳实践方法的监督和无监督ML模型。
- 评估多种算法并优化超参数以提高模型的稳健性。
- 维护文档并确保模型的可解释性（如适用）。
MLOps-端到端模型部署：
- 实施领导ML/AI模型的生产部署，使用CI/CD、自动化和容器化工作流程。
- 开发可重复的ML管道用于训练、测试、服务和监控。
- 实施可扩展的API和微服务以进行模型推理。
- 设置实时和批量推理系统，确保可靠性和正常运行时间。
- 检测并响应模型漂移、数据漂移和性能下降。
生成式AI/LLMs部署：
- 部署LLM驱动的应用程序，包括基于提示的模型、微调模型和RAG系统。
- 使用Azure OpenAI、Hugging Face或等效平台构建可扩展的后端基础设施以托管LLMs。
- 评估LLM输出的准确性、安全性和一致性，执行企业指南。
微软自动化与工程：
- 开发自动化脚本（Python/CLI）以优化数据管道、监控、警报和部署工作流程。
- 使用API、微服务和事件驱动架构支持ML部署。
条款和条件
加入时间框架：（15 - 30天）
选定的候选人将加入VAM Systems - 阿联酋，并将被派遣到阿联酋的领先组织之一。
附加信息
条款和条件：
加入时间框架：最多4周。
