一、崗位職責(zé)
1.AI 技術(shù)研發(fā)與落地:參與機器學(xué)習(xí)、深度學(xué)習(xí)等 AI 核心算法的設(shè)計、開發(fā)與迭代,聚焦業(yè)務(wù)場景(如計算機視覺、自然語言處理、推薦系統(tǒng)等)需求,將算法轉(zhuǎn)化為可落地的技術(shù)方案;負(fù)責(zé)數(shù)據(jù)采集、清洗、標(biāo)注與特征工程,構(gòu)建高質(zhì)量數(shù)據(jù)集支撐模型訓(xùn)練。
2.模型優(yōu)化與性能提升:針對已上線或待上線模型,進行精度優(yōu)化、效率提升與輕量化改造(如模型壓縮、量化、剪枝),確保模型在算力約束下滿足業(yè)務(wù)響應(yīng)速度與資源成本要求;跟蹤模型線上運行效果,分析異常數(shù)據(jù)與性能瓶頸,持續(xù)迭代優(yōu)化模型魯棒性。
3.項目協(xié)作與技術(shù)輸出:與產(chǎn)品、工程團隊協(xié)作,明確技術(shù)需求邊界,制定 AI 研發(fā)項目時間表與里程碑,推動項目按計劃交付;編寫技術(shù)文檔(如算法設(shè)計文檔、模型部署手冊),沉淀研發(fā)經(jīng)驗,參與技術(shù)分享,助力團隊 AI 技術(shù)能力提升。
4.技術(shù)前沿跟蹤與預(yù)研:關(guān)注國內(nèi)外 AI 領(lǐng)域前沿技術(shù)(如大模型、多模態(tài)、強化學(xué)習(xí)等)與行業(yè)應(yīng)用案例,開展技術(shù)預(yù)研與可行性驗證,探索新技術(shù)在業(yè)務(wù)場景中的應(yīng)用價值,為團隊技術(shù)選型提供依據(jù)。
二、任職要求
1.學(xué)歷與專業(yè)背景:本科及以上學(xué)歷,計算機科學(xué)與技術(shù)、軟件工程、數(shù)學(xué)與應(yīng)用數(shù)學(xué)、統(tǒng)計學(xué)、人工智能等相關(guān)專業(yè);碩士學(xué)歷優(yōu)先,具備機器學(xué)習(xí)、深度學(xué)習(xí)相關(guān)學(xué)術(shù)研究或項目經(jīng)歷者優(yōu)先。
2.工作經(jīng)驗要求:
1-3 年 AI 相關(guān)研發(fā)經(jīng)驗,有完整的模型訓(xùn)練與部署項目經(jīng)歷(如學(xué)生期間的科研項目、企業(yè)實習(xí)項目均可);
3.核心技能要求:
編程基礎(chǔ):熟練掌握 Python,具備 C/C++ 編程能力者優(yōu)先;熟悉 Linux 操作系統(tǒng),能使用 Shell 腳本完成日常開發(fā)任務(wù);
算法能力:深入理解機器學(xué)習(xí)經(jīng)典算法(如邏輯回歸、決策樹、隨機森林、SVM)與深度學(xué)習(xí)模型(如 CNN、RNN、Transformer),能獨立完成算法選型與調(diào)參;
工具與框架:熟練使用深度學(xué)習(xí)框架(TensorFlow、PyTorch、MindSpore 等至少一種),掌握數(shù)據(jù)處理工具(Pandas、NumPy、Spark)與模型部署工具(ONNX、TensorRT、TorchServe 等);
工程化能力:具備模型工程化落地經(jīng)驗,了解模型部署流程(如 Docker 容器化、云平臺部署),有分布式訓(xùn)練、高并發(fā)場景模型優(yōu)化經(jīng)驗者優(yōu)先。
4.綜合素質(zhì)要求:具備較強的邏輯思維能力與問題分析能力,能從業(yè)務(wù)需求中拆解技術(shù)問題并提出解決方案;良好的團隊協(xié)作意識與溝通能力,能清晰表達技術(shù)思路與方案;具備持續(xù)學(xué)習(xí)能力,對 AI 技術(shù)有熱情,能快速適應(yīng)技術(shù)迭代與業(yè)務(wù)變化。