岗位职责：

1. AI 体系建设与智能化转型：统筹规划公司 AI 体系搭建，从零构建 AI 应用平台；挖掘检测业务数字化痛点，推动业务流程智能化转型，设计缺陷识别、报告自动化等 AI 解决方案。​

2. 检测场景 AI 方案设计：深入理解样品检测、数据核验、报告生成等产品线检测业务流程，挖掘数字化痛点，设计适配的 AI 解决方案，覆盖检测数据智能分析、缺陷识别、流程自动化等场景。​

3. AI 模型开发与落地：负责机器学习 / 深度学习模型全流程管理，包括数据预处理、特征工程、目标检测 / OCR/NLP 等模型选型，以及模型训练、优化与部署，确保模型在检测场景具备准确性、实时性和鲁棒性。​

4. 数字化系统集成与优化：推动 AI 能力与现有检测系统（数据采集平台、报告系统、结算系统等）的集成适配；搭建轻量化 AI 应用工具或模块，优化检测数据流转效率，降低人工干预成本。​

5. 数据治理与资产沉淀：参与产品线检测数据标准化梳理，建立 AI 模型所需的标签体系和数据质量标准；推动检测数据资产化，为 AI 方案持续优化提供数据支撑。​

6. 技术跟踪与内部赋能：跟踪大模型微调、RAG 应用、工业视觉升级等 AI 领域前沿技术，评估其在检测场景的应用潜力；开展内部 AI 技术培训与知识推广，提升团队数字化应用意识。​

7. 项目推进与效果迭代：主导 AI 数字化项目全生命周期管理，协调业务、IT、数据等跨部门资源推进项目落地；建立检测效率、准确率提升等效果评估体系，通过数据分析持续迭代优化方案。

任职条件：

1、本科及以上学历，计算机科学、人工智能、数据科学、应用数学等相关专业；

2、两年以上 AI 项目完整落地经验。​硕士学历或检测行业 AI 应用经验者优先。​

3、编程与框架：熟练掌握 Python 编程语言，熟悉 TensorFlow、PyTorch 等主流深度学习框架，具备良好的代码规范和工程实现能力；了解 Java/C++ 者加分。

4、算法基础：深入理解机器学习、深度学习核心原理，精通至少 1 个方向（如计算机视觉、自然语言处理、时间序列分析），能独立完成模型设计与优化。​

5、了解检测行业基本流程、数据特性（如实验室检测数据），能将 AI 技术与检测业务逻辑有效结合，提出切实可行的解决方案。​

6、熟悉数据处理工具（NumPy、Pandas）、模型部署工具（ONNX、Docker）及数据可视化工具，具备数据治理或特征工程实践经验者优先。​