算法工程师

岗位职责
1.AI应用与培训:负责AI能力在公司业务场景的落地应用,组织算法与 AI工具的内部培训,赋能团队掌握AI新技术应用,推动AI能力规模化
推广,实现业务流程自动化处理.
2.算法研发与优化:负责机器学习,深度学习、统计学习等核心算法的设计,研发,调试及迭代优化,重点聚焦业务场景中的数据建模问题,如用户画像,推荐系统,风险预测,图像识别,自然语言处理等(根据公司业务方向调整具体场景)
3.数据处理与分析:主导或参与海量数据的清洗、预处理、特征工程构建,挖掘数据中的核心价值与潜在规律,为算法模型提供高质量数据支撑;运用统计分析方法验证数据有效性及模型合理性.
4.模型落地与迭代:负责算法模型的工程化落地,与工程团队协作完成模型部署,性能调优(如速度、精度,资源占用优化),确保模型在6生产环境中稳定高效运行;跟踪线上模型效果,结合业务反馈持续迭代优化模型策略
5.技术调研与创新:关注国内外数据算法领域的前沿技术(如大模型应用,强化
研,推动新技术在业务场景中的落地应用,提升团队技术竞争力.
6.团队协作与知识沉淀:参与跨部门协作(产品,数据,工程等),清晰理解业务需求并转化为算法解决方案;沉淀算法研发经验,技术文档及实践,参与团队技术分享与新人指导
任职要求
1.学历与专业本科及以上学历,自动化,计算机科学与技术,软件工程,数学与应用数
统计学,人工智能等相关专业;硕士及以上学历优先
03年及以上数据算法相关研发经验,有完整的算法从研发到落地的项目经验者优先;
有通过AI应用推动业务流程自动化落地经验者优先;
有特定领域经验者优先:如信号与系统、机器学习、推荐系统、风控算法,计算机视觉,自然语言处理(NLP),大模型微调与应用等(根据公司业务方向调整);
有互联网、金融科技、人工智能、大数据等行业经验者优先。
3.核心技能
0算法基础:扎实掌握机器学习(如分类、回归、聚类、决策树、随机森林,SVM等)、深度学习(如CNN,RNN,Transformer,LSTM等)、统计分析(如概率分布、假设检验、特征选择等)核心算法原理及应用场景,能根据业务需求选择合适的算法方案.
0编程与工具:熟练掌握Python编程语言,熟悉NumPy,Pandas, Matplotlib等数据处理与可视化库;熟练使用Scikit-learn
TensorFlow,PyTorch等主流机器学习/深度学习框架;熟悉linux
操作系统;
数据处理能力:熟悉SQL,能熟练操作MySQL,Hive,Spark等数据库或大数据处理工具,具备海量数据处理与分析能力;工程化能力:了解算法模型部署流程,熟悉Docker、Kubernetes等容器化技术,或TensorRT,ONNX等模型加速工具者优先;具备一定的代码优化能力,能提升模型运行效率