任职要求：

1.985、211相关院校硕士毕业，有大模型算法工作经验优先；计算机、电子工程、自动化、应用数学、信息处理等相关专业；经验要求：5-10年及10年以上工作经验。年龄要求：45岁以下

2. 具备数学与统计学基础：扎实掌握概率论、数理统计、线性代数、最优化理论等知识，能理解和推导模型训练中的公式与算法。

计算机科学知识：熟悉数据结构、算法、操作系统、计算机网络等基础知识

机器学习与深度学习知识：深入理解监督学习、无监督学习、强化学习等机器学习范式，掌握常见机器学习和深度学习算法，如逻辑回归、决策树、卷积神经网络等。

3.技术技能要求
编程语言：精通Python或C++等编程语言，能够实现模型训练的代码逻辑，进行数据处理、模型构建、训练和评估。

大数据处理框架：熟练掌握Hadoop、Spark等大数据处理框架，能够处理和分析海量数据，进行数据清洗、转换和加载。

熟悉主流深度学习框架，如TensorFlow、PyTorch等，能够使用框架快速搭建、训练和优化模型。掌握Tableau、PowerBI等数据可视化工具，能将模型训练的结果以直观的方式展示出来，帮助团队成员和业务人员理解。

4.能力素质要求

问题解决能力：在模型训练过程中，能够快速定位和解决各种技术问题，如模型收敛困难、过拟合、梯度消失等。
创新能力：关注机器学习和深度学习领域的最新研究成果和技术趋势，能够将新的算法、架构或方法应用到实际项目中，不断优化和创新模型。
沟通协作能力：与不同部门人员紧密合作，包括业务部门、开发团队等，能够理解业务需求，清晰地表达模型的原理和结果，共同推动项目进展。

5、项目经验要求

相关项目经验：有数据建模、模型训练相关的项目经验，熟悉模型训练的整个流程，包括数据准备、模型选择、超参数调整、模型评估和部署等环节。
具备人工智能业务知识和数据建模、模型训练经验者优先。

岗位职责：

1.算法研发与设计：研究和探索新的AI算法、模型架构，根据项目需求，设计和开发适合特定任务的AI算法；

2.数据处理与分析：收集、整理和标注数据，确保数据的质量和准确性，为模型训练提供高质量的数据集。对数据进行分析，理解数据的特点和分布，运用数据增强技术等方法提升数据的多样性和代表性；

3.模型训练与优化：使用收集到的数据对AI模型进行训练，调整模型的参数，优化模型的训练过程，提高训练效率，减少训练时间和资源消耗；

4.模型评估与测试：设计和执行模型评估方案，使用评估指标对训练好的模型进行评估，确保模型满足业务需求，对模型进行测试，发现并解决模型在实际应用中出现的问题如过拟合、欠拟合等，对模型进行改进和优化。

5.撰写相关技术开发文档。