工作職責:
1. 基于公司建筑設(shè)計、施工管理、成本控制等業(yè)務需求,負責AI建模方案設(shè)計,選擇合適的算法與模型框架(LLM、YOLO、CNN等),給出技術(shù)實現(xiàn)路徑。
2. 負責數(shù)據(jù)采集、清洗與標注,包括圖紙、BIM導出數(shù)據(jù)、現(xiàn)場照片、文本資料等,建立結(jié)構(gòu)化訓練數(shù)據(jù)集與評估數(shù)據(jù)集。
3. 基于主流深度學習框架(如PyTorch、TensorFlow等),完成YOLO/CNN等視覺模型及小模型/LoRA的訓練、調(diào)參與優(yōu)化,形成可復用的模型組件。
4. 負責模型服務化與部署,包括推理接口開發(fā)、負載與性能優(yōu)化、監(jiān)控與日志管理,確保模型在生產(chǎn)環(huán)境中穩(wěn)定運行。
5. 與建筑AI解決方案工程師及業(yè)務部門協(xié)同,基于業(yè)務反饋持續(xù)優(yōu)化模型表現(xiàn),制定模型評估指標體系(準確率、召回率、時延等),形成版本管理與迭代機制。
6. 跟蹤行業(yè)和學術(shù)前沿技術(shù),研究適合建筑行業(yè)的AIGC、多模態(tài)和知識增強等方案,輸出技術(shù)預研報告與落地建議。
能力要求:
1.具備 小模型/LoRA 微調(diào) 能力,熟悉訓練流程(數(shù)據(jù)準備、訓練腳本、評估指標、過擬合控制等);理解大語言模型(LLM)與RAG原理,能針對建筑規(guī)范、合同文本等場景設(shè)計抽取/分類/問答等任務。熟練掌握深度學習基礎(chǔ)理論,熟悉常用網(wǎng)絡結(jié)構(gòu)(CNN、Transformer等)及其在視覺、文本任務中的應用;熟悉 YOLO 系列、Mask R-CNN 等目標檢測/分割模型,能獨立完成模型訓練、調(diào)參和推理部署;
2.熟練使用 PyTorch、TensorFlow 等深度學習框架,掌握模型保存、推理加速、性能調(diào)優(yōu)等工程實踐;能使用 Python 等語言開發(fā)訓練與推理腳本,封裝RESTful接口或gRPC服務;熟悉常用數(shù)據(jù)庫與向量數(shù)據(jù)庫,能按業(yè)務需求設(shè)計特征存儲與檢索結(jié)構(gòu);能使用 N8N 進行環(huán)境封裝及部署,有在Linux服務器上部署模型服務的經(jīng)驗。
3.對建筑設(shè)計、施工或BIM有基本認知,能理解圖紙、構(gòu)件、節(jié)點等業(yè)務概念;能與建筑AI解決方案工程師及業(yè)務部門共同分析問題,將業(yè)務語言轉(zhuǎn)化為可建模問題(分類、檢測、匹配、生成等);能根據(jù)業(yè)務方對效果的反饋,調(diào)整模型目標與訓練策略。
4.熟練使用 n8n、Dify 等工作流編排工具,能夠完成多系統(tǒng)、多模型、多數(shù)據(jù)源的流程設(shè)計、異常處理及權(quán)限控制;