【岗位要求】
1、八年以上相关工作经验，本科以上学历，计算机、统计学、数学等相关专业；
2、扎实的数学基础与算法理解：
深入理解机器学习和深度学习算法背后的数学原理，熟练掌握常用机器学习算法（如线性回归、逻辑回归、决策树、支持向量机等）和深度学习算法（如卷积神经网络 CNN、循环神经网络 RNN、长短期记忆网络 LSTM、Transformer 架构等），能够解释其优缺点和适用场景。
3、优秀的编程能力：
精通 Python 语言，熟悉其科学计算、数据处理和机器学习相关的库，如 NumPy（用于高效的数值计算，例如进行矩阵乘法、数组操作等）、Pandas（用于数据清洗、转换和分析，方便处理结构化数据）、Matplotlib 和 Seaborn（用于数据可视化，绘制各种统计图表来展示数据分布和模型结果）等。掌握至少一个主流的深度学习框架，如 TensorFlow 或 PyTorch。能够使用这些框架构建、训练和优化神经网络模型。
4、数据处理与分析能力：
能够对大规模数据进行预处理，包括数据清洗（处理缺失值、异常值、重复值等）、数据归一化 / 标准化等。
熟练运用数据探索性分析（EDA）方法，通过统计分析（计算均值、中位数、方差等统计量）和可视化技术（绘制直方图、箱线图、散点图等）来理解数据的分布、相关性和特征重要性，从而为模型选择和特征工程提供依据。
5、模型开发与优化能力：
具备根据具体业务问题选择合适的算法模型，并进行模型训练、验证和测试的能力。能够合理划分训练集、验证集和测试集，采用交叉验证等方法评估模型的性能指标。了解大模型技术。
6、 实际项目经验与应用能力：
具有一定的实际人工智能项目开发经验，熟悉算法模型构建-评估-封装-应用-调优的完整流程。具备根据人工智能算法应在实际业务场景中的效果进行模型的调优能力。
【岗位职责】
1、参与项目所需的算法业务逻辑研究；
2、参与和指导项目所需的算法模型的数据集标注；
3、参与项目所需的算法模型训练、封装、应用，外部模型的集成和应用；
4、参与项目所需的算法模型应用效果的评估和调优；
5、参与项目所需的数据开发工作。