工作職責(zé)
1、負責(zé)前沿算法研究與開發(fā)，結(jié)合公司業(yè)務(wù)場景，獨立設(shè)計并實現(xiàn)創(chuàng)新性算法解決方案，助力業(yè)務(wù)高效運轉(zhuǎn)與升級；
2、深度參與數(shù)據(jù)全流程處理工作，包括但不限于海量數(shù)據(jù)的收集、清洗、預(yù)處理、特征工程，從數(shù)據(jù)層面挖掘關(guān)鍵信息，為算法建模提供堅實基礎(chǔ)；運用數(shù)據(jù)分析技術(shù)洞察業(yè)務(wù)痛點與潛在需求，驅(qū)動算法迭代優(yōu)化；
3、主導(dǎo)機器學(xué)習(xí)、深度學(xué)習(xí)模型的選型、搭建、訓(xùn)練與調(diào)優(yōu)；熟練運用 TensorFlow、PyTorch 等主流框架，依據(jù)項目指標靈活調(diào)整模型架構(gòu)與超參數(shù)，確保模型在準確性、穩(wěn)定性、時效性等多維度表現(xiàn)優(yōu)異。
4、協(xié)同團隊，與研發(fā)人員緊密合作，將成熟算法、模型無縫嵌入現(xiàn)有業(yè)務(wù)系統(tǒng)；配合測試人員制定詳盡測試方案，精準定位并解決算法相關(guān)的性能瓶頸、漏洞隱患；向產(chǎn)品經(jīng)理清晰闡釋算法原理及預(yù)期效果，保障產(chǎn)品設(shè)計與算法成果深度契合；
5、建立并完善算法效果評估體系，綜合運用準確率、召回率、F1 分數(shù)、均方誤差等指標全方位衡量模型性能；基于業(yè)務(wù)反饋與數(shù)據(jù)動態(tài)變化，持續(xù)優(yōu)化算法與模型，確保其在復(fù)雜多變的實際場景中穩(wěn)健運行；跟蹤領(lǐng)域最新技術(shù)動態(tài)，定期引入前沿理念與先進技術(shù)，為團隊注入創(chuàng)新活力；
6、根據(jù)公司業(yè)務(wù)需求進行AI算法開發(fā)適配；
7、編寫AI相關(guān)測試用例及測試說明書；
8、對圖像采集訓(xùn)練及模型評估，針對不同的數(shù)據(jù)特征進行算法數(shù)據(jù)調(diào)優(yōu)；
9、利用數(shù)據(jù)挖掘、機器學(xué)習(xí)、統(tǒng)計分析等多種技術(shù)對歷史和當(dāng)前數(shù)據(jù)進行處理，以預(yù)測未來事件或趨勢，為企業(yè)決策提供支持，識別潛在的風(fēng)險，優(yōu)化用戶體驗；
10、助力企業(yè)高效打造適配復(fù)雜業(yè)務(wù)訴求的高性能 AI 大模型，賦能業(yè)務(wù)實現(xiàn)跨越式發(fā)展；
11、完成領(lǐng)導(dǎo)交辦的其他工作。

任職資格
1、35周歲以下；
2、碩士及以上學(xué)歷；
3、計算機相關(guān)專業(yè)；
4、具有豐富的人工智能研究領(lǐng)域相關(guān)工作經(jīng)驗；
5、良好的理解表達能力；
6、 有三年以上的算法開發(fā)經(jīng)驗；
7、扎實數(shù)學(xué)功底，精通高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計等基礎(chǔ)學(xué)科知識；
8、理解圖論、組合數(shù)學(xué)等離散數(shù)學(xué)知識，用于解決路徑規(guī)劃、組合優(yōu)化等問題；
9、能熟練運用數(shù)學(xué)工具推導(dǎo)、證明算法原理，開展模型優(yōu)化工作；
10、熟練掌握Python編程語言，此外掌握Java語言優(yōu)先考慮；精通數(shù)據(jù)結(jié)構(gòu)與算法，能手寫高效代碼解決復(fù)雜編程問題；具備良好代碼風(fēng)格與工程素養(yǎng)，熟悉代碼版本管理工具（如 Git）；
11、熟練掌握主流機器學(xué)習(xí)算法（如線性回歸、決策樹、SVM 等）、深度學(xué)習(xí)架構(gòu)（如 CNN、RNN、Transformer 等）及其原理、適用場景；擁有多個完整機器學(xué)習(xí)/深度學(xué)習(xí)項目實戰(zhàn)經(jīng)驗，能獨立承擔(dān)算法研發(fā)、模型訓(xùn)練與優(yōu)化工作；
12、至少三年及以上算法研發(fā)相關(guān)工作經(jīng)驗，有圖像識別、自然語言處理、推薦系統(tǒng)、風(fēng)險預(yù)測等具體領(lǐng)域成功項目落地案例；
13、參與過大型企業(yè)級項目或開源項目者優(yōu)先，熟悉行業(yè)技術(shù)規(guī)范、最佳實踐流程，能快速融入團隊開展復(fù)雜技術(shù)工作；
14、能夠使用合適的框架（如 Scikit - Learn、TensorFlow、PyTorch）訓(xùn)練模型，包括選擇合適的損失函數(shù)、優(yōu)化器（如隨機梯度下降、Adagrad、Adam 等）和評估指標（如準確率、召回率、F1 - score、均方誤差等）；
15、了解如何將訓(xùn)練好的模型部署到生產(chǎn)環(huán)境中，包括將模型封裝成服務(wù)（如使用 Flask、Django 等 Web 框架），使其能夠被其他應(yīng)用程序調(diào)用，并且能夠?qū)⒛Ｐ团c現(xiàn)有系統(tǒng)（如數(shù)據(jù)庫系統(tǒng)、業(yè)務(wù)邏輯系統(tǒng)）集成，確保模型在實際應(yīng)用中發(fā)揮作用。