工作职责： 一、数据挖掘、运筹方向： 1.研究机器学习、深度学习、运筹优化等领域的前沿技术，构建数据洞察体系； 2.基于对业务场景的深入理解和大量数据特征，挖掘产业链中的多元数据价值，提升供应链效率和服务质量； 3.基于数据洞察体系和各类业务特征，构建算法模型，为业务决策提供数据支持与前瞻性预测； 4.分析和研究数据与实际业务，挖掘各类数据标签，驱动业务创新和增长。 二、大模型方向： 1.完成大模型相关任务，确保数据的准确性和模型的有效性； 2.参与大模型算法的应用研究，将算法从理论转化为实际业务场景中的解决方案； 3.协助团队探索智能体应用的新方向，推动产品的创新与优化； 4.参与大模型在业务场景中的关键能力开发，优化模型在业务中的落地效果，提升业务处理效率； 5.参与算法模型的工程化落地工作，确保模型在业务系统中的稳定运行。 三、算法工程方向： 1.参与算法平台扩展性、稳定性优化，确保能满足现阶段业务对算法处理的需求，并为未来业务拓展奠定基础； 2.设计算法模型服务化方案，致力于实现高并发、低延迟在线推理服务，保障服务的稳定运行； 3.参与算法从研发到生产的工程化流程，包括数据预处理、特征工程、模型训练、模型评估等环节； 4.参与算法平台的模块化、服务化工作，提升平台的易用性和可维护性； 5.推动算法平台与公司内部其他系统集成，助力提升协同效应。 任职要求： 1.计算机、数学、统计相关专业本科及以上学历。硕士及以上优先； 2.数据敏感，有良好的逻辑思维和定义以及解决问题的能力； 3.具备良好的数学基础，熟悉线性代数、概率论与统计学、优化算法等； 4.精通至少一种编程语言，熟悉算法实现及性能优化； 5.对机器学习、深度学习原理有深入理解，熟悉常用框架如TensorFlow、PyTorch、Scikit-learn等； 6.能够快速学习和适应新技术，具有较强的创新意识和探索精神，能提出新的想法和解决方案； 7.具备良好的团队合作精神，能够有效沟通，与跨部门团队紧密协作； 8.熟悉常见的大模型架构； 9.具备算法工程化、AI平台建设相关工作经验； 10.熟悉模型推理加速技术（如TensorRT、ONNX、OpenVINO等）； 11.熟悉容器化技术（如 Docker）和 Kubernetes 集群管理，具备模型部署到云平台或生产环境的经验。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录