1.基于数学理论(如概率论、优化理论、微分方程等)构建AI模型的核心框架，解决机器学习中的基础理论问题，2.主导统计学习、强化学习、贝叶斯推理等方向的算法创新，优化模型的收敛性、泛化能力与鲁棒性;3.针对业务场景中的复杂数据分布(高维、稀疏、非结构化等)，设计数学建模方案并验证有效性;4.与工程团队协作，将数学模型转化为可工程化的算法方案，推动理论落地与性能选代

1.数学、应用数学、计算数学等相关专业本科及以上学历，具有数学建模经验者。
2.精通高等数学、线性代数、概率论与数理统计、凸优化等核心数学领域，能熟练推导算法理论公式;3.掌握至少一种编程语言(Python优先)，熟悉NumPy、SciPy等科学计算库，了解TensorF1ow/PyTorch等框架的数学原理4.具备以下任一方向经验者优先:统计学习理论:如PAC学习、VC维分析、样本复杂度研究;优化算法:如梯度下降变种、共轭梯度法、分布式优化;概率模型:如马尔可夫链、隐变量模型、变分推断