一、核心能力要求
1.编程语言
Python（必备）：精通NumPy/Pandas数据处理、PyTorch/TensorFlow/Keras框架，熟悉SciKitLearn等传统ML工具库。
C++/Java/Scala（加分项）：高性能计算、系统底层优化、工业级部署场景（如实时推理引擎开发）。
2.算法与模型
传统ML：监督学习（线性回归/SVM/决策树）、无监督学习（聚类/PCA）、强化学习。
深度学习：
CV方向：CNN（ResNet/YOLO）、DiffusionModels（StableDiffusion）。
NLP方向：RNN/LSTM、Transformer（BERT/GPT）、多模态与LLM微调。
3.开发框架与工具
深度学习框架：PyTorch（研究首选）、TensorFlow（生产部署）、HuggingFace（NLP生态）。
大数据处理：ApacheSpark/Flink、Kafka（流数据处理）、Hadoop生态。
云与MLOps：AWSSageMaker/AzureML/GCPVertexAI、MLflow/Kubeflow、Airflow。
二、进阶技术能力
1.数据处理与工程化
数据清洗、特征工程、数据增强（如GAN生成合成数据）。
分布式存储与计算（HDFS/Spark）、向量数据库（FAISS/Milvus）。
2.模型优化与部署
性能优化：模型量化/剪枝、GPU加速（CUDA）、多线程/分布式训练。
部署方案：容器化（Docker/K8s）、Serverless、边缘设备（ONNXRuntime）。
3.领域适配经验
垂直领域（金融/医疗/心理学）的数据与术语适配能力（如医疗NER模型开发）。
隐私合规：数据脱敏（GDPR）、模型偏见检测、伦理风险评估。
三、岗位职责
1.架构设计与技术规划
设计端到端AI系统架构（数据管道→训练→部署→监控），制定技术路线图（如LLM/AutoML引入评估）。
确保高可用、高性能及合规性（如数据隐私、模型审计）。
2.工程化落地与优化
主导MLOps框架搭建（模型版本管理、自动化训练/监控）、实时推理优化（低延迟<100ms）。
优化分布式计算架构（Spark/Flink）、成本控制（Spot实例/模型压缩）。
3.技术领导与创新
主导跨团队协作（数据/产品/业务），将需求转化为技术方案（如对话系统设计）。
四、任职要求
1.基础背景
计算机科学/数学/统计学本科及以上学历，2年以上架构设计经验。
2.全流程项目经验
至少参与过2个以上完整AI项目（需求分析→数据准备→模型训练→部署运维)
掌握Git版本控制、CI/CD自动化测试流程
3.跨领域协作能力
心理学/医疗/金融等垂直领域知识转化能力（如情感咨询机器人需心理学术语适配)
4.伦理与合规实践
隐私数据脱敏处理、模型偏见检测、AI伦理风险评估经验