MLOps 工程師

職業名稱

MLOps 工程師（MLOps Engineer）

MLOps 工程師專注於建立機器學習全生命週期自動化管線，將資料科學家的實驗轉化為生產級系統。他們整合資料工程、模型部署、監控與持續交付，解決「模型在生產環境失效」的痛點，是 AI 從研究到商業應用的關鍵橋樑，確保模型穩定、可擴展並持續改進。

ML 管線自動化
- 建構端到端 MLOps 管線：資料攝取 → 特徵工程 → 模型訓練 → 驗證 → 部署。
- 使用 Kubeflow、Metaflow、ZenML 實現可重現實驗與自動化流程。
模型版本控制與註冊
- 建立模型版本管理（MLflow、Weights & Biases），追蹤超參數、指標、Artifact。
- 實現模型登記冊（Model Registry），支援 A/B 測試與 Canary 部署。
模型部署與服務化
- 容器化模型（Docker），部署至 Kubernetes、Seldon、KServe 或雲端服務。
- 優化推論效能（TensorRT、ONNX Runtime、vLLM），支援高併發與低延遲。
持續訓練與監控
- 建立資料與模型漂移（Drift）檢測，自動觸發重新訓練。
- 實時監控模型效能（Prometheus、Grafana），品質衰退自動警報。
特徵儲存與工程平台
- 建構特徵儲存（Feast、Tecton），支援線上／離線特徵一致性。
- 自動化特徵驗證、資料品質檢查與模式演進。
CI/CD 與 GitOps
- 實現 ML CI/CD 管線（GitHub Actions、ArgoCD），程式碼與模型同步部署。
- 支援 Blue-Green 部署、滾動更新與快速回滾。
基礎設施即程式碼
- 使用 Terraform、Pulumi 管理雲端 GPU 資源、儲存與計算叢集。
- 自動化環境複製（Dev、Staging、Production）。

初階（0-3年經驗）：HK$480,000 - HK$720,000 /年
中階（3-6年經驗）：HK$720,000 - HK$1,200,000 /年
高階（6年以上經驗）：HK$1,200,000 - HK$2,160,000+ /年
（視金融科技、大型企業或 AI 獨角獸，以及 Kubernetes/MLflow 深度經驗而定；包含年終獎金與 RSU，需求持續高漲。）

MLOps 平台專業
- Kubeflow、MLflow、Weights & Biases、ZenML 完整管線建構。
- KServe、Seldon Core、Triton Inference Server 模型服務。
容器與雲原生
- Docker、Kubernetes（CKA/CKAD）、Helm Chart、Istio Service Mesh。
- 多雲部署（AWS SageMaker、GCP Vertex AI、Azure ML）。
資料工程整合
- Apache Airflow、Dagster 管線協調，Kafka 即時特徵串流。
- Feast、Hopsworks 特徵儲存與特徵工程平台。
DevOps 實務
- GitOps（ArgoCD、Flux）、CI/CD（GitLab CI、GitHub Actions）。
- IaC（Terraform、Pulumi）、監控（Prometheus、Grafana）。
程式設計核心
- Python（Metaflow、Kubeflow SDK）、Bash、Go（高性能服務）。
- API 設計（FastAPI、gRPC）、效能調優。
模型監控專業
- 資料漂移（Alibi Detect）、模型漂移、品質監控儀表板。
- 自動化重新訓練觸發與管線自我修復。