【薪资可谈】
1.关键库与框架 熟练掌握 PyTorch 或 TensorFlow 等深度学习框架，以及 NumPy、Pandas、Scikit-learn 等数据处理和机器学习库。
其他语言与工具 C++、Java、Go 等语言，以及 Git、Docker 等开发工具。
2.算法与模型 深度学习基础 熟悉 CNN、RNN、Transformer 等经典网络模型及其应用场景。
大模型相关技术 了解 Prompt Engineering、微调（Fine-tuning）、RAG（检索增强生成） 和 AI Agent 是当前的热门技能。
特定应用领域 具备计算机视觉（CV）、自然语言处理（NLP）或语音处理等至少一个领域的实践经验。
3.系统与工程实践 MLOps 掌握模型的部署、监控和持续集成/持续交付（CI/CD） 的全流程管理。
云平台与高性能计算 熟悉 AWS、GCP、Azure 等至少一家云平台的服务，并了解 GPU 推理优化和集群利用。
容器化技术 熟练使用 Docker 和 Kubernetes（K8s） 进行应用的容器化和编排。
4. 综合软技能 问题解决能力 能够将模糊的业务需求转化为具体的技术问题并找到解决方案。
团队协作与沟通 具备与产品经理、业务团队及其他工程师高效协作和清晰沟通的能力。
学习与自驱力 AI 领域技术迭代极快，需要保持强烈的求知欲和自主学习能力。