机器学习工程师（不限性别）

你将把模型和数据驱动的方法转化为可靠服务。关注点不仅是模型质量，还包括可复现的处理、稳定的推理以及发布后可衡量的变化。你会与软件和数据团队共同评估哪些模型和运营方式适合相应任务。

模型在实验中表现良好，却仍可能在实际应用中失败。你将检查数据分布、预处理以及训练数据与测试数据的分离。模型、配置和数据版本须以可追溯的方式进行版本管理。发布时要比较质量、资源需求和响应时间。监控应能识别输入数据变化或结果质量下降；还要明确演练回退到先前版本。

• 以可复现方式实施训练、验证和推理管道，并使数据版本与模型版本可追溯。
• 将模型作为服务提供；通过负载测试评估资源需求、吞吐量和响应时间。
• 定义合适的质量指标和比较基线，识别数据泄漏并清楚记录结果。
• 设计模型质量和数据变化监控，并支持受控更新与回滚。
• 将数据和模型版本与测试指标、配置和发布制品关联起来。
• 检查不同负载下的推理，并测试包括输入格式在内的模型回滚。

关键在于具备可清晰证明且与该职位相关的经验。这些经验可以来自相关职业培训、高校学习、职业实践或扎实的转行经历。我们会根据你的知识水平共同确定具体职责。

• 具备 Python 实践经验，并扎实掌握统计学、模型评估和数据准备基础。
• 具备至少一种机器学习框架的经验，以及将模型作为应用或服务部署的经验。
• 理解自动化测试、版本控制以及训练与评估的严格分离。

这些知识会有所帮助，但无需同时全部具备。请在申请中说明你已在哪些领域积累了实践经验，以及希望深入学习哪些主题。

• 具备 MLOps、实验跟踪或特征管道经验。
• 了解 GPU 推理、量化或可复现的容器环境。

你将交付可复现的模型服务，其中明确记录模型边界和质量变化。只有在运营能力和业务价值也通过验证后，更高的离线评分才会转化为正式发布。

该职位可在科隆或远程办公。具体合作方式、项目要求以及可能需要参加的客户会议，将在入职前共同协商。

该职位采用全职或兼职的正式雇佣形式。我们会根据职位要求和你的知识水平，就任务、工时、入职日期和薪酬达成一致。

请在申请中向我们展示你能为该职位带来的经验或兴趣。简历以及相关项目实例、证书或作品样本将帮助我们进行专业评估。请勿发送客户机密数据、访问凭证或受保护的源代码。

请告知我们你期望的工作模式、可以入职的日期，以及希望全职还是兼职工作。

如对该职位有疑问，请发送邮件至 hr@otoko.com 联系我们的招聘团队。加入应聘者人才库完全出于自愿，且只有在另行征得同意后才会进行；这并非审核你的申请的前提条件。