职位描述(核⼼职责)
1、业务理解与建模: 深⼊理解业务场景和痛点,将复杂的业务问题转化为可求解的算法问题,并建⽴数学模型。
2、算法研究与开发: 负责机器学习、深度学习领域前沿算法的跟踪、研究、复现和创新,并将其应⽤于实际产品中。
3、数据挖掘与处理: 进⾏数据分析和特征⼯程,从海量数据中挖掘有价值的信息,为模型训练提供⽀撑。
4、模型训练与调优: 负责模型的训练、评估、调参和优化,持续提升算法的准确性、效率、泛化能⼒和鲁棒性。
5、⼯程落地: 与软件⼯程师紧密合作,推动算法模型的线上部署、服务化和性能优化,确保算法稳定⾼效地运⾏。
6、持续迭代: 监控线上模型效果,分析模型缺陷,并设计迭代⽅案,推动算法持续进化。
任职要求(硬性技能)
必备要求:
1、学历与经验: 计算机科学、统计学、应⽤数学、电⼦⼯程等相关专业本科及以上学历,具备3年以上相关算法⼯作经验。优秀应届博⼠⽣亦可考虑。
2、扎实基础: 具备扎实的数学和算法基础,精通概率论、数理统计、线性代数、微积分和优化理论。
3、编程能⼒: 精通Python,具备出⾊的编码能⼒。熟悉⾄少⼀种主流深度学习框架(如PyTorch、TensorFlow)。
4、算法知识: 深⼊理解机器学习经典算法(如LR, GBDT, SVM等)和深度学习主流模型(如CNN, RNN, Transformer, GAN等)。
5、数据处理: 熟练使⽤Pandas、NumPy、Scikit-learn等数据科学⼯具包,具备强⼤的数据分析和处理能⼒。
6、解决问题能⼒: 具备强烈的求知欲和出⾊的分析、解决问题的能⼒,能对复杂问题进⾏系统性拆解。
加分项:
1、计算机视觉⽅向:
在⽬标检测、图像分割、图像⽣成、视频理解、三维重建等⼀个或多个领域有深⼊研究或项⽬经验。熟悉OpenCV、MMDetection等⼯具库。
2、⾃然语⾔处理⽅向:
在⽂本分类、命名实体识别、情感分析、智能问答、机器翻译、⼤语⾔模型应⽤等⽅向有实战经验。熟练使⽤Hugging Face等⽣态⼯具,有LLM微调经验者优先。
3、推荐/搜索/⼴告⽅向:
熟悉召回、排序、重排等经典架构,有⼤规模稀疏模型训练和分布式推理经验。熟悉召回算法(如双塔模型、FM等)和排序模型(如DeepFM, DIN等)。
通⽤加分项:
1、在顶级会议(如NeurIPS, ICML, CVPR, ACL, KDD等)或以第⼀作者发表过论⽂。
2、在Kaggle、天池等知名算法竞赛中取得优异成绩。
3、有算法模型在Linux环境下的部署和优化经验(如Docker, ONNX, TensorRT)。
4、熟悉分布式计算框架(如Spark)。