岗位职责
一、数据挖掘、运筹方向：
1.研究机器学习、深度学习、运筹优化等领域的前沿技术，建立、评估、迭代数据模型和算法，构建数据洞察体系。
2.深入理解业务场景，打造智能化供应链解决方案: 基于对业务场景的深入理解和大量数据特征，参与智能运营、需求挖掘、路径优化、风险控制等方向的算法研发，同时挖掘产业链中的多元数据价值，提升供应链效率和服务质量。
3.紧贴业务部门需求，赋能业务决策: 基于数据洞察体系和各类业务特征，构建算法模型，为集装箱调配、网络优化、供应商管理等关键业务决策提供精准的数据支持与前瞻性预测。
4.挖掘数据价值，驱动业务创新:分析和研究数据与实际业务，针对具体业务场景挖掘各类数据标签，深入理解业务规律，驱动业务创新和增长。
二、大模型方向：
1.完成大模型相关任务，包括数据收集处理、模型训练、评测及推理等工作，确保数据的准确性和模型的有效性。
2.参与大模型算法的应用研究，涉及语言模型、多模态模型等领域，应用 Prompt 工程、RAG、SFT 等技术，将算法从理论转化为实际业务场景中的解决方案。
3.协助团队探索智能体应用的新方向，参与将前沿研究成果转化为产品功能的实现过程，推动产品的创新与优化。
4.参与大模型在业务场景中的关键能力开发，如知识理解、指令遵循、基础推理等，优化模型在业务中的落地效果，提升业务处理效率。
5.参与算法模型的工程化落地工作，包括模型压缩、加速、部署与监控等环节，确保模型在业务系统中的稳定运行。
三、算法工程方向：
1.参与算法平台扩展性、稳定性优化，确保能满足现阶段业务对算法处理的需求，并为未来业务拓展奠定基础。
2.设计算法模型服务化方案，致力于实现高并发、低延迟在线推理服务，保障服务的稳定运行。
3.参与算法从研发到生产的工程化流程，包括数据预处理、特征工程、模型训练、模型评估等环节。
4.参与算法平台的模块化、服务化工作，提升平台的易用性和可维护性。
5.推动算法平台与公司内部其他系统集成，助力提升协同效应。
任职要求
1.计算机、数学、统计相关专业本科及以上学历，硕士及以上优先。
2.数据敏感，有良好的逻辑思维和定义以及解决问题的能力。
3.具备良好的数学基础，熟悉线性代数、概率论与统计学、优化算法等。
4.精通至少一种编程语言，如 Python、Java 或 C++，熟悉算法实现及性能优化。
5.深入理解机器学习、深度学习原理，熟悉常用框架如TensorFlow、PyTorch、Scikit-learn等。
6.能够快速学习和适应新技术，具有较强的创新意识和探索精神，能够提出新的想法和解决方案。
7.良好的团队合作精神，能够有效沟通，与跨部门团队紧密协作。
8.熟悉常见的大模型架构。（大模型方向）
9.有算法工程化、AI平台建设相关工作经验。（算法工程化方向）
10.熟悉模型推理加速技术（如TensorRT、ONNX、OpenVINO等）。（算法工程化方向）
11.熟悉容器化技术（如 Docker）和 Kubernetes 集群管理，具备模型部署到云平台或生产环境的经验。（算法工程化方向）