主要職責:
1. 參與AI應用的原型開發(fā)與迭代:在導師指導下,使用Python/Java等語言,參與基于大語言模型(LLM)或其他前沿AI模型的應用功能模塊的設計、編碼和測試。
2. 探索與集成開源AI解決方案:主動追蹤AI開源社區(qū)(如Model Scope, Hugging Face, Github等)的最新動態(tài),評估、測試并嘗試將優(yōu)秀的開源模型和工具鏈集成到我們的系統(tǒng)中。
3. 數(shù)據(jù)處理與實驗:協(xié)助進行模型訓練和推理所需的數(shù)據(jù)清洗、預處理和增強工作,并參與算法模型的實驗、評估及效果分析。
4. 技術文檔與分享:撰寫清晰的技術文檔,記錄實驗過程和結果,并有機會在團隊內(nèi)部分享你的發(fā)現(xiàn)和技術見解。
任職要求(必備條件):
1. 技術熱情與動手能力:
對AI技術有強烈的好奇心和求知欲,有個人技術項目(如Github項目、技術博客、或任何你“搗鼓”出來的東西)是加分項。
習慣于主動學習和解決技術難題,具備優(yōu)秀的快速學習能力。
2. AI實踐與開源生態(tài):
深度使用過大語言模型,對主流LLM(如GPT系列、Claude、LLaMA等)有實際使用經(jīng)驗,熟悉其Prompt工程和常見應用模式。
將AI輔助編程作為日常習慣,熟練使用GitHub Copilot、Cursor、或類似AI編程工具來提升開發(fā)效率。
關注并嘗試過AI開源社區(qū)的項目,對Hugging Face等平臺有了解和使用經(jīng)驗。
3. 扎實的算法基礎:
熟練掌握常見的數(shù)據(jù)結構(如數(shù)組、鏈表、樹、圖、哈希表)和算法(如排序、搜索、動態(tài)規(guī)劃),具備良好的編程實現(xiàn)能力。
理解計算機系統(tǒng)的基礎知識,對時間復雜度、空間復雜度有清晰的概念。
4. 機器學習/深度學習基礎:
熟悉機器學習的基本概念(如訓練/測試集、過擬合、正則化、交叉驗證)和常見模型(如線性模型、決策樹、SVM等)。
對深度學習有初步了解,理解神經(jīng)網(wǎng)絡的基本原理,熟悉CNN/RNN/Transformer中至少一種架構的核心思想。
5. 編程語言:
至少精通Python或Java中的一門,并能夠編寫清晰、高效的代碼。
(Python方向)了解NumPy、Pandas等科學計算庫,以及PyTorch或TensorFlow之一。
(Java方向)了解常用的開發(fā)框架(如Spring Boot),并愿意學習Python及相關AI生態(tài)工具。
優(yōu)先考慮(具備以下任一方向經(jīng)驗者):
1、視覺方向:
了解OpenCV、Pillow等圖像處理庫。
有使用主流CV框架(如MMDetection, Detectron2, PaddleCV)或圖像生成模型(如Stable Diffusion)。
2、籌劃與決策方向:
了解經(jīng)典路徑規(guī)劃算法(如A*、Dijkstra)或任務規(guī)劃技術。
對強化學習(RL)有基礎概念,或有相關框架(如OpenAI Gym, Ray RLlib)的使用經(jīng)驗。
3、大模型應用方向:
對RAG、Agent、模型微調(diào)(Fine-tuning)等技術領域有初步了解或實踐。
接觸過向量數(shù)據(jù)庫、LangChain/LlamaIndex等LLM應用開發(fā)框架。
4、通用能力:
有實際項目部署到線上環(huán)境(如使用云服務)的經(jīng)歷。
在Kaggle、天池等算法競賽中取得過良好成績,或閱讀并復現(xiàn)過AI頂會論文的代碼。