1.AI技术掌握与应用：深入了解并熟练掌握当下主流的人工智能技术，如机器学习、深度学习（包括卷积神经网络、循环神经网络等）、自然语言处理、计算机视觉等，跟踪行业技术发展动态，将新技术应用于公司业务场景。 熟悉主流人工智能框架和工具，如TensorFlow、PyTorch、Scikit - learn等，根据项目需求选择合适的技术工具进行开发；
2.AI私有化部署: 负责公司人工智能产品的私有化部署工作，根据不同的硬件环境和用户需求，制定合理的部署方案并实施和稳定运行。与运维团队紧密合作，解决私有化部署过程中出现的网络、服务器配置、性能优化等问题，保障系统的高可用性和安全性；
3.AI模型训练与优化：针对私有化部署的人工智能产品，利用公司自有数据，进行模型的训练、调优和验证工作，提高模型的准确性、泛化能力和性能表现。分析模型训练过程中的数据特征和模型表现，及时发现并解决过拟合、欠拟合等问题，确保模型能够有效应用于实际业务场景；
4.前端应用支持：与前端开发团队协作，为APP、小程序、公众号、网站等前端应用提供人工智能技术支持。通过API接口等方式，实现人工智能服务与前端应用的无缝对接，确保前端用户能够流畅使用相关智能功能。根据前端业务需求，对人工智能服务进行定制化开发，例如调整图像识别的功能需求、优化自然语言交互的效果等，提升用户体验。撰写详细的技术文档，包括人工智能产品的部署手册、使用说明、模型训练文档等，方便公司内部其他人员理解和使用相关技术与产品。
1.硕士及以上学历，人工智能、数学、计算机等相关专业，具备扎实的人工智能理论基础和实践能力；
2.熟练掌握至少一种主流深度学习框架，如 TensorFlow 或 PyTorch，能够使用框架进行模型搭建、训练、评估和部署，熟悉框架的高级特性，如分布式训练、模型优化技巧等；
3.熟悉机器学习工具包，如 Scikit - learn，掌握其在数据预处理、模型选择、评估等方面的应用，能够利用 Scikit - learn 快速搭建和评估机器学习模型；
4.掌握数据预处理的方法和技巧，包括数据清洗、数据归一化、数据编码等，能够将原始数据转化为适合模型训练的格式；
5.熟悉至少一种主流操作系统，如 Linux等，能够在 Linux 环境下进行开发和部署工作；了解服务器相关知识，能够协助运维团队进行服务器的搭建和配置，确保人工智能产品在服务器上稳定运行。掌握软件工程的基本原理和开发流程；
6.熟练掌握至少一种编程语言，如 Python、 Java 或 C++ 编程能力。具备模型训练与调优技能；
7.具备将人工智能模型部署到不同环境的能力，包括本地服务器、云服务器；
8.具有学习能力、创新能力、团队协作沟通能力、责任心与抗压能力等。
注：至少拥有2 - 3年在人工智能相关领域的工作经验。有1 - 2年以上专门从事人工智能模型训练和优化的工作经验。1 - 2年的数据处理和分析经验。1 - 2年人工智能产品私有化部署经验。1 - 2年与前端开发团队协作的经验。