1.基于數(shù)學(xué)理論(如概率論、優(yōu)化理論、微分方程等)構(gòu)建AI模型的核心框架,解決機(jī)器學(xué)習(xí)中的基礎(chǔ)理論問題,2.主導(dǎo)統(tǒng)計(jì)學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、貝葉斯推理等方向的算法創(chuàng)新,優(yōu)化模型的收斂性、泛化能力與魯棒性;3.針對(duì)業(yè)務(wù)場(chǎng)景中的復(fù)雜數(shù)據(jù)分布(高維、稀疏、非結(jié)構(gòu)化等),設(shè)計(jì)數(shù)學(xué)建模方案并驗(yàn)證有效性;4.與工程團(tuán)隊(duì)協(xié)作,將數(shù)學(xué)模型轉(zhuǎn)化為可工程化的算法方案,推動(dòng)理論落地與性能選代
1.數(shù)學(xué)、應(yīng)用數(shù)學(xué)、計(jì)算數(shù)學(xué)等相關(guān)專業(yè)本科及以上學(xué)歷,具有數(shù)學(xué)建模經(jīng)驗(yàn)者。
2.精通高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)、凸優(yōu)化等核心數(shù)學(xué)領(lǐng)域,能熟練推導(dǎo)算法理論公式;3.掌握至少一種編程語言(Python優(yōu)先),熟悉NumPy、SciPy等科學(xué)計(jì)算庫,了解TensorF1ow/PyTorch等框架的數(shù)學(xué)原理4.具備以下任一方向經(jīng)驗(yàn)者優(yōu)先:統(tǒng)計(jì)學(xué)習(xí)理論:如PAC學(xué)習(xí)、VC維分析、樣本復(fù)雜度研究;優(yōu)化算法:如梯度下降變種、共軛梯度法、分布式優(yōu)化;概率模型:如馬爾可夫鏈、隱變量模型、變分推斷