logo
← 返回面试流程列表
C

Complexica

机器学习工程师
难度 ⏱ 3-5 weeks📋 5 轮面试ai-engineerFull-time

Complexica 的机器学习工程师在其 AI 平台的核心工作，构建和部署驱动「Larry, the Digital Analyst」的算法——Decision Cloud 背后的专有 ML 引擎。该角色连接数据科学研究和生产工程，将定价、需求预测、促销管理和销售推荐的优化模型转化为可扩展、可靠的生产系统。Complexica 与阿德莱德大学合作进行高级 AI 研究，创造了学术创新与商业应用相结合的独特环境。面试流程评估 ML 基础、应用优化技能、生产 ML 工程实践，以及将研究转化为商业价值的能力。Endeavour Group、Arnott's 和 Pfizer 等主要客户依赖 Larry 的建议，ML 团队直接影响数百万美元的业务决策。Glassdoor 对 Complexica 的整体评分为 4.4/5，文化（4.6/5）和工作生活平衡（4.2/5）得分尤为突出。

构建和部署驱动「Larry, the Digital Analyst」的算法——Complexica 被澳大利亚主要企业使用的专有 ML 引擎研究与生产的桥梁——将优化模型（定价、需求预测、促销）转化为可扩展的生产系统阿德莱德大学研究合作提供前沿 AI 研究和与学术研究人员合作的机会直接的业务影响——ML 模型为 Endeavour 和 Arnott's 等客户的数百万美元定价、库存和销售优化决策提供支持应用优化重点涵盖线性规划、约束满足、强化学习和供应链领域的预测分析
ComplexicaAdelaideMachine LearningAI EngineerDecision CloudOptimisationSupply Chain AIPredictive AnalyticsLarry Digital Analyst

面试流程 (5 轮)

1
📋
在线申请Online Application
⏱ 1-2 weeks for response

通过 Complexica 的招聘页面（complexica.com/careers）或 LinkedIn 提交申请。ML 工程岗位位于阿德莱德总部。鉴于 Complexica 与阿德莱德大学的研究合作，具有学术研究背景的候选人特别受欢迎。通过阿德莱德 AI/ML 社区的员工内推和人脉关系很受重视。

💡

ML 工程师简历关键词：Python、TensorFlow/PyTorch、scikit-learn、pandas、numpy、SQL、优化（线性规划、约束满足、遗传算法）、时间序列预测、推荐系统、NLP、特征工程、模型部署（MLflow、Kubeflow、SageMaker）、Docker、REST API、A/B 测试。

领域专项关键词：供应链优化、需求预测、定价优化、促销优化（TPO）、销售分析、SKU 级别预测、库存管理、客户分群、购物篮分析。

学术背景：Complexica 重视研究资历。如果你有机器学习、统计学、运筹学或相关领域的硕士或博士学位，突出你的论文主题和发表论文。提及与阿德莱德大学 AI 研究组的任何联系。

作品集/GitHub：包含 ML 项目、Kaggle 比赛或研究论文的链接。涉及优化、预测或推荐系统的项目特别相关。展示从数据探索到模型部署的端到端 ML 工作。

公司调研：Complexica 的 ML 引擎 Larry 使用深度学习、预测分析、模拟和大数据分析技术。客户包括 Endeavour Group（酒类分销）、Arnott's（快消品）、Metcash（批发）、Pernod Ricard（烈酒）、Dulux（涂料）和 Pfizer（制药）。了解这些行业的优化挑战将使你的申请脱颖而出。

🔒
还有 4 轮面试流程未显示解锁后查看全部 5 轮面试详情