一、岗位职责
1.AI 技术研发与落地：参与机器学习、深度学习等 AI 核心算法的设计、开发与迭代，聚焦业务场景（如计算机视觉、自然语言处理、推荐系统等）需求，将算法转化为可落地的技术方案；负责数据采集、清洗、标注与特征工程，构建高质量数据集支撑模型训练。
2.模型优化与性能提升：针对已上线或待上线模型，进行精度优化、效率提升与轻量化改造（如模型压缩、量化、剪枝），确保模型在算力约束下满足业务响应速度与资源成本要求；跟踪模型线上运行效果，分析异常数据与性能瓶颈，持续迭代优化模型鲁棒性。
3.项目协作与技术输出：与产品、工程团队协作，明确技术需求边界，制定 AI 研发项目时间表与里程碑，推动项目按计划交付；编写技术文档（如算法设计文档、模型部署手册），沉淀研发经验，参与技术分享，助力团队 AI 技术能力提升。
4.技术前沿跟踪与预研：关注国内外 AI 领域前沿技术（如大模型、多模态、强化学习等）与行业应用案例，开展技术预研与可行性验证，探索新技术在业务场景中的应用价值，为团队技术选型提供依据。
二、任职要求
1.学历与专业背景：本科及以上学历，计算机科学与技术、软件工程、数学与应用数学、统计学、人工智能等相关专业；硕士学历优先，具备机器学习、深度学习相关学术研究或项目经历者优先。
2.工作经验要求：
1-3 年 AI 相关研发经验，有完整的模型训练与部署项目经历（如学生期间的科研项目、企业实习项目均可）；
3.核心技能要求：
编程基础：熟练掌握 Python，具备 C/C++ 编程能力者优先；熟悉 Linux 操作系统，能使用 Shell 脚本完成日常开发任务；
算法能力：深入理解机器学习经典算法（如逻辑回归、决策树、随机森林、SVM）与深度学习模型（如 CNN、RNN、Transformer），能独立完成算法选型与调参；
工具与框架：熟练使用深度学习框架（TensorFlow、PyTorch、MindSpore 等至少一种），掌握数据处理工具（Pandas、NumPy、Spark）与模型部署工具（ONNX、TensorRT、TorchServe 等）；
工程化能力：具备模型工程化落地经验，了解模型部署流程（如 Docker 容器化、云平台部署），有分布式训练、高并发场景模型优化经验者优先。
4.综合素质要求：具备较强的逻辑思维能力与问题分析能力，能从业务需求中拆解技术问题并提出解决方案；良好的团队协作意识与沟通能力，能清晰表达技术思路与方案；具备持续学习能力，对 AI 技术有热情，能快速适应技术迭代与业务变化。