岗位职责：

1.了解遥感成像基本原理，熟悉遥感影像处理流程，能够熟练使用ENVI/QGIS等专业软件及GDAL/Rasterio等Python库进行遥感数据处理和分析。

2.熟练使用Python进行编程开发，掌握NumPy、OpenCV、Pandas等数据处理库，熟悉Scikit-learn机器学习工具库，并具备Docker容器化部署经验，能够实现模型的封装与部署。

3.理解SVM、随机森林、XGBoost等经典机器学习算法，掌握模型训练全流程，包括数据预处理、特征工程、超参数优化、交叉验证等调参技术，具备实际模型部署经验。

4.熟练使用PyTorch/TensorFlow等主流深度学习框架，理解CNN、RNN、Transformer等基础网络架构原理，具备目标检测、语义分割等计算机视觉任务的实践经验，能够针对遥感影像特点优化模型。

5.有应用机器学习算法处理遥感影像的实际项目经验，在影像分类、地物识别等场景中有成功案例者优先，能够结合业务需求选择合适的算法并完成模型优化。

岗位要求：

1. ‌两年及以上大模型相关经验，対Transformers模型的基本原理和工作机制有深入理解熟练使用PyTorch、 Huggingface transformers等深度学习和大模型框架。
2. 基于天气雷达资料并融合多源数据, 进行专业气象算法设计和开发。
3.在雷达定量估测降水、强对流雷达监测和预警算法、晴空回波探测机理与工程应用方面有一定的研究和实践经验。

4.遥感技术基础‌：熟悉遥感成像原理及处理流程，熟练使用ENVI/QGIS等专业工具，掌握GDAL/Rasterio等Python库进行影像处理与分析。

5. ‌编程与工具链‌：精通Python，熟练使用NumPy/Pandas/OpenCV进行数据操作，具备Scikit-learn模型开发经验，熟悉Docker容器化部署流程。

6. ‌机器学习能力‌：深入理解SVM、随机森林、XGBoost等算法原理，掌握特征工程、交叉验证、模型评估全流程，具备参数优化与部署实战经验。

7. ‌深度学习实践‌：熟悉PyTorch/TensorFlow框架，掌握CNN/Transformer等网络结构，在目标检测（如YOLO、Faster R-CNN）或语义分割（如U-Net）任务中有项目经验。

8. ‌业务融合经验‌：具有遥感影像分类、地物识别等项目落地案例，能根据数据特性（如SAR、多光谱）选取合适算法并针对性优化。

9. 计算机科学与技术、人工智能等专业硕士以上学历，具备深化算法研究经历。

薪资待遇：10-20k