1、掌握機器學習(ML)、深度學習(DL)的基本原理,熟悉常見算法(如分類、回歸聚類、神經(jīng)網(wǎng)絡(luò))的應(yīng)用場景。
2、??監(jiān)督學習(如SVM、隨機森林)、無監(jiān)督學習(如PCA、關(guān)聯(lián)規(guī)則)、強化學習(如Q-learning)的區(qū)別;
3、深度學習模型(CNN、RNN、Transformer、BERT、GPT)的結(jié)構(gòu)特點與適用任務(wù)(圖像、文本、語音、推薦等);
4、模型訓練的關(guān)鍵指標(準確率、召回率、F1、AUC-ROC)及優(yōu)化方法(調(diào)參、正則化、數(shù)據(jù)增強)。
5、熟悉AI“數(shù)據(jù)→模型→應(yīng)用”的閉環(huán)流程,掌握數(shù)據(jù)處理各環(huán)節(jié)的技術(shù)要點。
6、明確標注需求(如結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)、標注工具選擇);
7、識別臟數(shù)據(jù)(缺失值、異常值、重復值)并處理(填充、刪除、插值);
8、理解特征提取(如TF-IDF、詞嵌入)、特征選擇(如卡方檢驗、SHAP值)對模型效果的影響;
9、了解模型壓縮(剪枝、量化)、推理加速(TensorRT、ONNX)、部署方式(云服務(wù)、邊緣設(shè)備)。
任職資格:
1.計算機專業(yè)、人工智能專業(yè)985/211研究生學歷,5年以上產(chǎn)品設(shè)計相關(guān)經(jīng)驗,AI大模型相關(guān)背景優(yōu)先;
2.具備AI Agent實際研發(fā)經(jīng)驗,熟練使用至少一種開發(fā)框架(如 LangChain、SemanticKernel、XAgent等);
3.對前沿技術(shù)保持好奇心與開放心態(tài),能主動學習并應(yīng)用于項目實踐;
4.優(yōu)秀的方案設(shè)計、溝通協(xié)調(diào)及需求引導能力,邏輯清晰。