1.→模型設(shè)計(jì)與開發(fā):
→深入理解教育產(chǎn)品需求,基于°DeepSeek°平臺及相關(guān)技術(shù)(如Transformers,
PyTorch/TensorFlow),設(shè)計(jì)、構(gòu)建、訓(xùn)練和優(yōu)化應(yīng)用于教育場景的深度學(xué)習(xí)模型(例如:個(gè)性化學(xué)習(xí)路徑推薦、智能對話輔導(dǎo)等)。
→探索和應(yīng)用最新的AI研究進(jìn)展,持續(xù)改進(jìn)模型性能(如準(zhǔn)確性、效率、魯棒性)。
→核心模型研發(fā):負(fù)責(zé)從0到1構(gòu)建、優(yōu)化和部署應(yīng)用于教育場景的深度學(xué)習(xí)模型,工作成果直接影響產(chǎn)品核心功能和用戶體驗(yàn)。
2.→數(shù)據(jù)處理與特征工程:
○→負(fù)責(zé)教育領(lǐng)域相關(guān)數(shù)據(jù)(文本、結(jié)構(gòu)化數(shù)據(jù)、可能的語音/圖像)的收集、清洗、預(yù)處理和特征工程工作,為模型訓(xùn)練提供高質(zhì)量輸入。
→理解教育數(shù)據(jù)的獨(dú)特性和挑戰(zhàn),設(shè)計(jì)有效的數(shù)據(jù)處理方案。
3.→模型評估與部署:
→設(shè)計(jì)并執(zhí)行嚴(yán)謹(jǐn)?shù)哪P驮u估方案(離線指標(biāo)、A/B測試等),監(jiān)控和分析模型在線上環(huán)境的表現(xiàn)。
→與工程團(tuán)隊(duì)協(xié)作,將訓(xùn)練好的模型高效、穩(wěn)定地部署到生產(chǎn)環(huán)境,并參與維護(hù)和迭代優(yōu)化。
4.→協(xié)作與溝通:
→與產(chǎn)品、教研、工程等跨職能團(tuán)隊(duì)緊密合作,將復(fù)雜的技術(shù)方案清晰地傳達(dá)給非技術(shù)人員。
→編寫和維護(hù)清晰的技術(shù)文檔。
崗位要求:
1.→基本要求:
→計(jì)算機(jī)科學(xué)、人工智能、數(shù)學(xué)、統(tǒng)計(jì)學(xué)或相關(guān)領(lǐng)域的碩士及以上學(xué)歷(特別優(yōu)秀的本科生可放寬)。[注:根據(jù)崗位實(shí)際級別調(diào)整,高級崗位通常需碩士+J
→3年以上機(jī)器學(xué)習(xí)/深度學(xué)習(xí)相關(guān)領(lǐng)域?qū)嶋H工作經(jīng)驗(yàn)。
2.→核心技能·(必須滿足):?
→扎實(shí)的編程基礎(chǔ):°精通°Python。
→深度學(xué)習(xí)框架:“熟練掌握°PyTorch°或"TensorFlow/Keras。
→深度學(xué)習(xí)理論:。深入理解神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)基礎(chǔ)理論及主流模型架構(gòu)(如CNN.RNN/LSTM.Transformer/BERT類模型)。
→自然語言處理-(NLP):。具備扎實(shí)的NLP基礎(chǔ)和項(xiàng)目經(jīng)驗(yàn)(如文本分類、序列標(biāo)注、文本生成、語義理解、問答系統(tǒng)等)。
→數(shù)據(jù)處理能力:。熟練使用SQL°和°Pandas/Numpy等工具進(jìn)行數(shù)據(jù)清洗、分析和特征工程。
→模型開發(fā)生命周期:“熟悉從數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、評估到部署(了解Docker,RESTful-API-等概念更佳)的全流程。
→解決問題能力:。優(yōu)秀的分析問題和解決問題能力,能夠獨(dú)立研究和解決復(fù)雜的技術(shù)挑戰(zhàn)。
→學(xué)習(xí)能力:。對新技術(shù)(如大模型、DeepSeek平臺)有強(qiáng)烈的求知欲和快速學(xué)習(xí)能力?!?
薪資:2w-2.5w,薪資可談