AI工程師職業摘要範例
AI工程是成長最快的技術學科，LinkedIn報告AI工程師職位發佈同比增長75%，資深從業者中位薪酬超過180,000美元[1]。BLS預測到2032年電腦和資訊研究科學家將成長23%[2]。隨著組織從AI實驗轉向生產部署，需求已從研究科學家轉向能夠大規模建構、部署和維護ML系統的工程師。
入門級
「電腦科學碩士（ML方向）的AI工程師，18個月生產NLP應用ML模型建構和部署經驗。開發了微調BERT模型的文件分類系統，達到94.2% F1分數，在AWS SageMaker上日均5萬以上預測，P95延遲低於200ms。使用MLflow、Airflow和Docker實現MLOps管線。精通Python、PyTorch、TensorFlow和scikit-learn。NeurIPS研討會和EMNLP發表2篇論文。」
早期職業（2-4年）
「為10萬以上企業使用者的B2B SaaS平台建構生產ML系統的3年經驗AI工程師。設計並部署深度學習推薦引擎，使用者參與度提高28%，貢獻320萬美元年增量收入。端到端ML管線管理：資料處理（Spark、dbt）、模型訓練（A100 GPU上的PyTorch）、生產服務（TensorFlow Serving、FastAPI），配合Evidently AI監控。使用GPT-4和向量搜尋（Pinecone）建構RAG LLM應用。AWS ML Specialty認證。」
中期職業（5-9年）
「為財富500強企業架構ML平台的7年經驗資深AI工程師。領導5人ML工程團隊建構即時詐欺偵測系統，日處理200萬以上交易，延遲低於50ms，以99.7%精度年減少1,800萬美元詐欺損失。設計ML平台架構包括Feature Store（Tecton）、模型註冊（MLflow）、訓練基礎設施（GKE上的Kubeflow）和服務層（Seldon Core）。LLM微調（LoRA/QLoRA）、提示工程和AI代理架構專家。NeurIPS、ICML、KDD發表5篇論文。」
資深（10年以上）
「ML研究、生產系統和AI平台架構12年經驗的Staff AI工程師。架構AI平台服務8個產品團隊的40多個ML模型，日均5億以上預測，99.95%可用性。領導月活5,000萬以上使用者的搜尋排序系統，CTR提升15%，搜尋收入提升22%。建立負責任AI實踐。12項專利，8篇論文。Google Brain和Meta AI校友。」
高階主管級
「16年經驗的AI工程VP。領導45人AI組織，年預算1,200萬美元。AI產品收入4年從0成長到8,500萬美元ARR。LLM推論成本最佳化減少75%。」
職業轉換
「Python、Go和分散式系統5年後端開發轉AI工程的軟體工程師。建構日處理1億以上事件的資料密集型應用。完成Stanford Online ML和fast.ai課程。3個個人ML專案：情感分析API（DistilBERT，91%）、CV缺陷偵測（YOLOv8）、RAG聊天機器人。AWS ML Specialty認證。」
專家：電腦視覺
「自動駕駛車輛視覺AI系統9年的電腦視覺工程師。多相機3D目標偵測管線（BEVFormer、CenterPoint）94.5% mAP，NVIDIA Orin上20 FPS，部署到50,000多輛車。邊緣最佳化專家：量化（INT8、FP16）、剪枝、TensorRT延遲降低65%。Omniverse合成資料生成1,000萬以上訓練影像，年節省240萬美元標註成本。8項專利，CVPR/ECCV 4篇論文。」
常見錯誤
- **列出ML框架而無生產上下文**
- **不將ML與業務指標關聯**
- **遺漏MLOps和基礎設施**
- **忽略LLM/GenAI經驗**
- **不提及負責任AI**
ATS關鍵字
AI工程、機器學習、深度學習、PyTorch、TensorFlow、NLP、電腦視覺、LLM、GPT、RAG、MLOps、ML管線、模型部署、特徵工程、AWS SageMaker、Kubernetes、模型服務、資料工程、負責任AI、Transformer
常見問題
是否提及Kaggle排名？
入門級可以；資深職位中生產系統更重要[1]。
是否命名特定LLM模型？
是——列出您有生產經驗的模型[3]。
參考文獻
[1] LinkedIn Economic Graph, 2024 [2] BLS, 2024 [3] Stanford HAI, 2024 [4] Gartner, 2024
