ai engineer -genai.

关于公司。
[500强德企]

关于工作。
- 领导基于 Web 的人工智能解决方案的设计、开发和维护，确保强大的功能和无缝的用户体验。
- 设计和实施可扩展且高效的人工智能基础设施，包括数据管道、模型服务和监控系统。
- 开发用于图像识别、对象检测和图像分割等任务的计算机视觉算法和系统。利用卷积神经网络 (CNN) 和深度学习等技术。
- 使用监督学习、无监督学习和强化学习等技术开发和实施机器学习模型。
- 与产品经理、解决方案设计师和其他开发人员合作，将机器学习模型集成到生产系统中，确保技术可行性、可扩展性和性能。
- 开展研究，掌握机器学习和人工智能领域的最新进展，并应用这些技术解决实际问题。促进组织内部的持续学习。-
向技术和非技术利益相关者传达复杂的技术概念和结果，确保与业务目标保持一致

所需技能和经验。
- 高级学位：工程、过程工程、计算机科学、信息技术、数学、统计学或自然科学硕士或博士学位。
- 至少 3 年软件工程相关工作经验。
- 项目管理（不断与内部业务伙伴、预算、工作组织进行交流）。
- 精通编程语言，熟悉 AI 框架和库。
- 拥有在 Agile/Scrum 环境中工作的经验，专注于在迭代周期中提供高质量的结果，并有能力为冲刺计划、估算和回顾做出贡献。
- 精通 DevOps 实践，包括使用 CI/CD 工具的经验，例如 Git 和与 Azure Repos 的集成，以及协作编码实践的经验（分支策略、拉取请求和代码审查）
- 强大的 Python 编程技能
- 精通前端技术，例如 HTML5、CSS3、JavaScript 和现代 JavaScript 框架/库（例如 React）
- 精通机器学习算法、模型评估和优化技术，具有处理大规模数据集的经验
- 熟悉开发复杂的数据科学软件解决方案，最好使用 Microsoft Azure 产品组合
- 能够在高度复杂的环境中与多个利益相关者一起工作，并承受按时按预算交付的巨大压力。
- 具有好奇心去学习和改进的成长心态。
- 具有良好人际、书面和口头沟通能力的团队合作者。
最好具备：
- 成功的 AI 驱动项目记录，最好是在工业环境中。
- 具有其他 AI 技术经验，例如自然语言处理或强化学习。
- 了解数据工程和预处理，包括处理大型数据集和确保数据质量。