一、核心职责（业务驱动的算法落地）

1. 参与核心业务模型研发：基于业务数据（文本/图像/数值/多模态），运用机器学习/深度学习技术解决实际问题（如推荐排序、用户画像、风险识别、智能决策等）。
2. 全流程模型开发：独立完成数据清洗、特征工程、模型选型（树模型/XGBoost/神经网络/深度学习框架）、训练调优及效果评估，通过A/B测试验证业务价值并推动上线。
3. 技术优化与迭代：针对模型效果（如准确率/召回率/CTR）、性能（推理速度/资源占用）或成本（算力消耗）瓶颈，设计优化方案（如模型蒸馏/剪枝/量化、特征筛选、工程架构调整）。
4. 业务协作与沉淀：与产品/运营/工程团队沟通需求，输出可复用的算法模块（如特征处理工具、模型评估脚本），并形成标准化流程文档。

二、任职要求

- 基础能力：计算机/数学/统计/自动化等相关专业硕士及以上在读，熟练Python编程，熟悉Linux环境；掌握基础数据结构与算法，熟悉SQL（用于数据提取与分析）。
- 核心技术：深入理解机器学习基础（如监督学习/无监督学习/优化算法），熟练使用至少一种主流深度学习框架。
- 业务适配（至少满足一项）：
- 有监督学习经验（如分类/回归/排序模型：LR/XGBoost/LightGBM/深度神经网络），熟悉特征工程与模型评估指标。
- 有深度学习项目经验（如CV/NLP/多模态场景：CNN/RNN/Transformer/注意力机制），了解模型训练调优技巧。
- 加分项：模型服务化（如FastAPI）、大模型基础（如微调/提示工程）。

三、我们提供

- 真实业务场景：直接参与核心项目（如用户增长/内容理解/风险控制），积累从数据到落地的完整经验。

实习周期：3-6个月（每周≥4天），薪资面议