机器学习工程师（远程）

支持跨职能团队在设计、部署和操作机器学习解决方案的同时，构建可扩展的基础设施、工具和最佳实践。职责包括：协作数据科学家和工程师完成整个ML生命周期，构建和扩展ETL管道，部署模型到客户面向的应用程序，通过云基础设施和工具促进高效模型开发；设计、构建和维护可扩展的机器学习基础设施，包括模型服务（实时和批量）、训练环境和编排系统，关注性能、可扩展性和成本效率；参与机器学习工程和数据科学工具的路线图，开发可重用的框架和标准化解决方案以流化模型实施；与数据科学家合作，通过云基础工具和基础设施促进有效使用，并提供技术专业知识；与机器学习工程师合作分享知识，改进最佳实践，培养持续学习和发展的文化；支持开发和维护监控、警报和自动化测试框架以确保数据管道、模型和基础设施的可靠性、性能和完整性；开发、文档和沟通数据科学生命周期的实施和最佳实践；管理并沟通云基础设施成本和预算给项目相关方；保持GCP服务和机器学习工程MLOps最佳实践的更新。

具备MLOps或DevOps实践经验，包括使用Docker、Kubernetes、CI/CD流水线、Git版本控制、API开发、模型服务（批量和实时）和自动化测试框架构建和运营生产ML系统；学士学位，数据科学、计算机科学、统计学、应用数学或同等定量领域；有与数据科学家合作在生产环境中部署、扩展和运营机器学习模型的经验；3年以上机器学习工程师经验，有成功项目交付的记录；深入了解云平台，特别是Google Cloud Platform服务，特别是Vertex AI、BigQuery和Dataproc；精通CI/CD和IaC最佳实践；精通分布式计算和大数据技术如Spark、Kubeflow、Airflow和SQL；精通Python和机器学习库（如TensorFlow、PyTorch、scikit-learn）；在敏捷环境中工作，强调迭代开发和持续交付。

Kohl's是一家美国零售连锁企业，专注于零售和电子商务领域。