AI算法工程师

1.负责通用 AI 核心算法的设计、开发与优化，覆盖机器学习、深度学习、强化学习等方向，适配大数据场景的核心任务，包括但不限于：大规模数据分类 / 回归 / 聚类、亿级特征维度的推荐算法、RAG开发优化、智能体开发、大模型（LLM / 视觉大模型）；​
2.参与 AI 算法体系搭建，优化算法研发流程（如特征工程自动化、模型选型智能化、超参数调优工具化），提升海量数据场景下的算法迭代效率与泛化能力；​​
3.负责大规模异构数据的全流程处理，包括数据采集（多源数据接入、日志解析、实时流数据捕获）、清洗（噪声过滤、缺失值填充、异常数据处理）、特征工程（特征提取、特征筛选、特征融合、特征存储）；​​
4.设计数据治理与特征平台方案，包括特征生命周期管理、数据质量监控、特征版本控制、特征服务化封装，保障算法建模的数据可靠性与高效性；​​
5.负责 AI 算法的工程化实现，结合大数据平台完成算法部署（如模型与 Spark/Flink 集成、ONNX/TensorRT 优化、批量推理 / 实时推理服务搭建），封装高效的 API 接口，支撑高并发数据处理请求；​
6.参与算法与大数据融合系统的架构设计，将 AI 算法能力与大数据平台（数据湖、数据仓库、实时计算引擎、特征平台）深度集成，实现 “数据输入 - 特征工程 - 模型训练 - 推理服务 - 结果应用” 的端到端自动化流程；​
7.与大数据工程师、后端工程师协作，将算法处理结果与业务数据融合，为业务决策提供数据支撑（如智能推荐结果、风险预测报告、运营优化建议）。​​​
8.主导 AI 算法与大数据交叉领域的技术预研，如大模型与海量知识图谱融合、实时流数据的在线学习、联邦学习在大数据场景的应用、多模态数据融合算法等；​
​
任职要求​​
1.本科及以上学历，计算机科学、人工智能、机器学习、数据科学、统计学、应用数学等相关专业；​
2.5年以上相关工作经验；​​​
3.熟练掌握 Python 编程语言，具备扎实的代码功底，了解 C/C++（用于底层算法优化）者优先；​​
4.具备较强的逻辑思维与问题拆解能力，能将复杂业务问题转化为可落地的算法模型。
5.具备 1-3 年以上 AI 算法与大数据融合的项目经验，主导或核心参与过大规模数据建模、算法工程化落地等相关项目（如大规模推荐系统、时序预测系统、智能体）；​
6.有大模型（LLM / 视觉大模型）在大数据场景下的微调、部署、优化经验，或联邦学习、分布式训练项目经验者优先。​
7.具备较强的问题分析与解决能力，能快速定位大数据与 AI 算法融合场景下的技术瓶颈（如数据质量问题、算法效果不佳、部署性能瓶颈）并提出有效解决方案；​