崗位職責(zé)與工作內(nèi)容
1. 算法研發(fā)與優(yōu)化：負(fù)責(zé)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI核心算法的研發(fā)、調(diào)試與迭代優(yōu)化，包括但不限于模型設(shè)計、特征工程、模型訓(xùn)練、評估及部署落地，確保算法性能滿足業(yè)務(wù)場景需求。
2. 業(yè)務(wù)場景落地：深入理解公司核心業(yè)務(wù)，將AI技術(shù)與業(yè)務(wù)場景深度結(jié)合，設(shè)計技術(shù)方案并推動落地，解決實際業(yè)務(wù)問題。
3. 數(shù)據(jù)處理與分析：負(fù)責(zé)AI模型訓(xùn)練數(shù)據(jù)的收集、清洗、標(biāo)注、預(yù)處理及數(shù)據(jù)分析工作，構(gòu)建高質(zhì)量的數(shù)據(jù)集，為模型訓(xùn)練提供數(shù)據(jù)支撐；針對數(shù)據(jù)分布特性優(yōu)化數(shù)據(jù)處理策略，提升模型泛化能力。
4. 模型部署與運(yùn)維：參與AI模型的工程化部署，配合運(yùn)維及開發(fā)人員完成模型的線上部署、監(jiān)控、調(diào)優(yōu)及維護(hù)工作，保障模型線上運(yùn)行的穩(wěn)定性、高效性和安全性；解決部署過程中的工程化問題，如模型壓縮、推理加速等。
5. 技術(shù)調(diào)研與創(chuàng)新：持續(xù)關(guān)注AI領(lǐng)域前沿技術(shù)（如大語言模型、生成式AI、強(qiáng)化學(xué)習(xí)等）的發(fā)展動態(tài)，開展技術(shù)調(diào)研與預(yù)研工作，將合適的新技術(shù)、新方法引入團(tuán)隊，提升團(tuán)隊技術(shù)競爭力；參與技術(shù)專利、學(xué)術(shù)論文的撰寫。
6. 團(tuán)隊協(xié)作與支持：與產(chǎn)品、研發(fā)、測試等跨部門團(tuán)隊緊密協(xié)作，溝通技術(shù)需求與方案，提供AI技術(shù)支持；參與團(tuán)隊技術(shù)分享、代碼評審等工作，助力團(tuán)隊技術(shù)能力提升。
能力要求：
1. 編程基礎(chǔ)：精通Python編程語言，熟悉C++/Java等至少一種其他編程語言；掌握Linux操作系統(tǒng)常用命令，具備良好的代碼規(guī)范和文檔編寫能力。
2. 算法知識：扎實掌握機(jī)器學(xué)習(xí)基礎(chǔ)算法（如分類、回歸、聚類、降維、集成學(xué)習(xí)等）及原理；深入理解深度學(xué)習(xí)核心技術(shù)（如CNN、RNN、LSTM、Transformer、GAN等），熟悉常見模型的適用場景及調(diào)優(yōu)方法。
3. 框架工具：熟練使用至少一種深度學(xué)習(xí)框架（如TensorFlow、PyTorch、MindSpore）；熟悉機(jī)器學(xué)習(xí)工具庫（如Scikit-learn、Pandas、NumPy、Matplotlib）；掌握模型部署工具（如ONNX、TensorRT、TorchServe）者優(yōu)先。
4. 業(yè)務(wù)方向技能：根據(jù)業(yè)務(wù)方向具備對應(yīng)專項技能，如：
自然語言處理（NLP）方向：熟悉分詞、命名實體識別、情感分析、文本摘要、機(jī)器翻譯、大語言模型微調(diào)（如LLaMA、ChatGLM等）及應(yīng)用開發(fā)。
5. 計算機(jī)視覺（CV）方向：熟悉圖像分類、目標(biāo)檢測、語義分割、圖像生成、人臉識別等技術(shù)，掌握OpenCV等視覺處理庫。
6. 推薦系統(tǒng)方向：熟悉協(xié)同過濾、內(nèi)容推薦、深度學(xué)習(xí)推薦模型（如DeepFM、Wide&Deep、DIN等），有推薦系統(tǒng)落地經(jīng)驗者優(yōu)先。
數(shù)據(jù)處理能力：具備數(shù)據(jù)清洗、特征工程、數(shù)據(jù)可視化及數(shù)據(jù)分析能力，熟悉SQL數(shù)據(jù)庫或NoSQL數(shù)據(jù)庫（如MongoDB、Redis）者優(yōu)先