AI开发工程师-深圳

2.模型开发与训练：
(1)负责数据预处理、特征工程、模型选择与构建。
(2)运用机器学习（如分类、回归、聚类）和深度学习（如CNN, RNN/LSTM, Transformer等）算法训练和优化模型。
(3)进行模型调参、验证、评估与迭代优化，确保模型性能达到预期目标。
3.模型部署与优化：
(1)将训练好的模型部署到生产环境（如云平台、边缘设备），确保服务的稳定性、高可用性和低延迟。
(2)持续监控线上模型性能，进行模型更新、迭代和再训练。
(3)探索和应用模型压缩、加速技术（如量化、剪枝、知识蒸馏等）。
4.系统开发与集成：
(1)开发支持AI模型训练、部署、监控的底层系统或工具链。
(2)将AI模块与现有产品系统、数据管道进行高效集成。
(3)编写高质量、可维护的代码和API接口。
5.技术文档与分享： 编写清晰的技术文档，包括设计文档、接口文档、模型说明等；积极参与技术分享，促进团队知识沉淀。
技术前沿跟进： 持续关注AI领域（特别是LLM/AIGC等方向）的最新研究进展和技术趋势，评估其在产品中应用的可能性。

1.学历背景： 计算机科学、人工智能、软件工程、数学、统计学或相关专业本科及以上学历（硕士优先）。
2.编程基础：
(1)精通 Python，具备扎实的编程能力和良好的代码风格。
(2)熟悉至少一门编译语言（如C++, Java, Go）者优先。
(3)熟悉Linux开发环境及常用命令。
3.AI/ML 技术栈：
(1)深入理解机器学习、深度学习的基础理论和常用算法（监督学习、无监督学习、强化学习等）。
(2)熟练掌握至少一种主流深度学习框架（如 PyTorch, TensorFlow, Keras），并具备实际项目开发经验。
(3)熟悉常用数据处理和分析工具（如 Pandas, NumPy, Scikit-learn）。
(4)了解分布式训练框架（如 Horovod, PyTorch DDP, TensorFlow MirroredStrategy）者优先。
(5)了解模型压缩、加速、部署优化技术（ONNX, TensorRT, OpenVINO等）者优先。
(6)了解大语言模型（LLM）原理、微调（Fine-tuning）和应用框架（LangChain, LlamaIndex等）者优先。
4.工程能力：
(1)熟悉软件工程开发流程和常用工具（Git, CI/CD）。
(2)具备模型部署和服务化（如 Docker, Kubernetes, RESTful API/gRPC, Flask/FastAPI）的实际经验。
(3)了解基本的数据库操作（SQL/NoSQL）。
(4)具备良好的系统设计思维和问题解决能力。
5.数据能力： 具备良好的数据处理和分析能力，能够从海量数据中发现价值。
6.经验要求：
(1)本科： 要求5年以上AI算法/模型开发或相关岗位经验，有成功的AI项目落地经验。
(2)硕士： 有3年以上相关经验（需展示较强的项目/研究能力）。
7.软技能：
(1)优秀的沟通能力和团队协作精神，能够清晰表达技术方案并与跨职能团队有效合作。
(2)强烈的责任心和自驱力，对AI技术充满热情，具备持续学习和探索新技术的意愿与能力。
(3)具备良好的逻辑思维、分析能力和解决复杂问题的能力。
注重细节，追求高质量交付。