一、技术能力要求：
1、 算法与理论能力
机器学习/深度学习基础： 精通经典机器学习算法（如SVM、决策树、聚类等）和深度学习核心架构（如CNN、RNN/LSTM、Transformer、GNN等）。
领域专业知识： 在至少一个领域有深入实践，如：
计算机视觉（CV）： 目标检测、图像分割、图像生成。
自然语言处理（NLP）:大语言模型应用、文本分类、NER、情感分析、知识图谱。
推荐系统/广告搜索： 召回、排序、序列建模。
语音/音频处理。
模型优化： 精通模型压缩（剪枝、量化）、知识蒸馏、模型加速等技术。
2、工程与架构能力
精通Python，熟练SQL。
Java/Scala/C++/Go（至少熟悉一种）： 用于构建高性能、高并发的在线服务或底层框架。
精通至少一个主流深度学习框架：TensorFlow 或 PyTorch。
熟悉生态工具，TensorFlow Serving, PyTorch Lightning, ONNX 等使用。
熟练使用 Hadoop, Spark, Flink 进行大规模数据处理。
熟悉消息队列（如 Kafka, Pulsar）和数据同步工具。
精通 Docker 容器化技术。
精通至少一种编排工具，如 Kubernetes，能够设计和部署基于K8s的AI平台或服务。
能够设计和搭建完整的机器学习流水线，涵盖数据、训练、部署、监控全生命周期。
熟悉相关工具链，如 MLflow, Kubeflow, Airflow, Feast, Prometheus/Grafana 等。
具备设计高可用、高扩展、可维护的分布式系统能力。
熟悉微服务架构、API设计、系统解耦等理念。
能够设计高效、可靠的数据采集、清洗、标注和特征工程流水线。
理解数据仓库、数据湖、数据治理等相关概念。
3、其它要求：
能将复杂的业务问题分解为可执行的技术模块，并设计出优雅的架构。
能够与业务方、产品经理、算法工程师、数据工程师、运维工程师等不同角色进行有效沟通，清晰传达设计意图。
进行AI技术选型，制定开发规范，评审代码和设计。
深刻理解业务，能权衡技术方案的先进性与实现成本、运维成本，做出最符合商业利益的选择。
持续关注业界最新技术动态（如AIGC、大模型、Agent等），并结合业务评估可行性。
二、 岗位职责
1.需求分析与方案设计： 深入理解业务需求，主导AI项目的技术可行性分析和方案设计，输出系统架构图和技术规格文档。
2.技术选型与架构设计： 负责AI平台和技术栈的选型，设计高可用、可扩展的机器学习系统架构，支持模型的训练、部署、服务和迭代。
3.MLOps平台建设： 主导或参与建设企业级的MLOps平台，自动化机器学习工作流，提升算法团队的研发效率和模型交付速度。
4.性能优化与成本控制： 对线上AI服务进行性能调优（延迟、吞吐量），并监控资源使用情况，优化计算和存储成本。
5.技术规范与标准制定： 制定团队在AI相关开发代码、数据、模型管理等方面的开发规范和最佳实践。
6.技术预研与攻关： 跟踪前沿技术，进行原型验证和技术攻关，解决项目中的关键技术难题。
7.团队协作与知识传承： 与算法、数据、后端、前端团队紧密协作，确保架构落地。
三、任职要求
学历：要求计算机科学、人工智能、数学等相关专业的硕士以上学位，对于经验极其丰富可适当放宽。
经验：
5-8年以上相关工作经验。
3年以上AI/机器学习系统架构设计经验。
有主导中大型AI项目从0到1或大规模重构的成功经验。
有在云计算环境（AWS, Azure, 华为云, 阿里云等）下设计和部署AI系统的经验。