AI 项目交付管理：

负责AI 项目的全生命周期管理，从项目启动、规划、执行到收尾，确保项目按时、高质量交付。

制定详细的项目计划，明确各阶段里程碑、任务分配及时间节点，协调跨部门资源，监控项目进度并及时解决项目中的问题和风险。

与业务部门紧密合作，深入了解业务流程和需求，挖掘潜在的 AI 应用场景，主导 AI 解决方案的设计和选型，撰写专业的项目提案和技术方案文档，向相关利益者清晰地阐述项目目标、价值和实施计划，获取支持与认可。

建立有效的项目沟通机制，定期组织项目会议，向团队成员、管理层及客户汇报项目进展情况，及时反馈项目中的变更需求并调整项目计划，确保各方信息对称，促进项目顺利推进。

AI 技术开发与算法优化：

运用深度学习、机器学习等前沿 AI 技术，针对医药研发、临床试验、药物生产、医疗影像分析、病历数据处理等业务场景，进行数据收集、清洗、标注和特征工程，构建高效准确的 AI 模型等，提升业务效率和决策准确性。

对已有的 AI 模型进行持续优化和改进，通过调优超参数、改进网络结构、引入新的训练数据等方式，提高模型的性能指标，如准确率、召回率、F1 值等，确保模型在不同数据集和实际应用场景下的泛化能力和稳定性，满足医药业务日益增长的精度和可靠性要求。

探索和应用新兴的 AI 技术和算法，关注行业内的最新研究成果和技术趋势，结合企业的战略发展方向，开展前瞻性的技术研究和原型验证工作，为公司的技术创新和业务拓展提供技术储备和可行性建议，推动 AI 技术在医药领域的深度应用和创新发展。

AI技术架构设计：

参与AI 大平台和工具链的建设与维护，基于云计算、大数据等技术架构，搭建可扩展、高性能的 AI 计算环境和数据存储平台，为 AI 模型的开发、训练、部署和运维提供稳定可靠的技术支撑，同时保障平台的安全性、可用性和可维护性，满足企业对数据隐私和合规性的严格要求。

协助需求单位AI进行技术选型和系统架构设计评审，从 AI 技术角度提供专业意见和建议，确保需求单位的建设思路与AI 发展战略相契合，促进企业内部技术的协同发展和资源优化配置。

负责 AI 系统与企业现有 IT 基础设施、信息系统的集成与对接，设计和开发高效的接口和数据传输通道，确保数据在不同系统间的无缝流动和共享，实现 AI 技术与业务流程的深度融合，提升整体业务运营效率和信息化水平。

AI平台的运维和安全管理：

制定AI平台数据安全体系和运维服务保障体系，支撑多租户模式下的AI服务的持续运维和运营，与基础架构的同事协作，确保平台建设满足管理要求。

作为 AI 技术专家，与跨职能团队（包括数据科学家、软件工程师、医药专家、项目经理等）密切合作，共同攻克技术难题，推动项目进展，在团队中发挥技术引领作用，指导和培养初级 AI 工程师，提升团队整体技术水平和业务能力，营造良好的技术交流和学习氛围。