AI工程师（应用开发方向）

AI工程师（应用开发方向）
通过AI技术增强团队在复杂规则处理、非结构化数据分析及自动化工具开发的能力，推动现有工具智能化升级，提升处理效率和业务场景适应性。
1、Python编程能力
Ø 精通Python编程语言，熟悉常用库（NumPy、Pandas、Selenium、Django、Flask、OpenCV等），具备代码优化和工程化开发经验。
2、数据处理与特征工程
Ø 具备复杂数据（文本、图像、表格等）清洗、特征提取和结构化能力，熟悉非结构化数据（如PDF、网页、日志文件）的处理方法，能应对低质量或异构数据挑战。
3、AI框架与工具
Ø 熟练使用主流模型训练框架（如PyTorch、Transformers、Keras、TensorFlow等），熟悉模型训练、部署和调试全流程；
Ø 熟练使用主流模型应用开发部署框架（如LangChain、llamaindex、vllm、ollama等）。
4、模型训练与调优
Ø 熟悉Qwen、ChatGLM、DeepSeek、BERT等预训练模型的应用与微调；
Ø 掌握监督学习、无监督学习及其基础算法，熟悉超参数优化（如Grid Search、贝叶斯优化等）、熟悉模型评估指标（准确率、精确率、召回率、F1、AUC-ROC等）；
Ø 深入理解CNN、RNN、Transformer等模型原理。
5、AI自动化工具开发
Ø 能将AI模型封装为可集成的模块，与现有工具链（如自动化脚本、数据库系统）无缝结合；
Ø 能够基于LLM进行Agent应用开发，包括任务规划、反思、记忆、执行、对话管理、向量检索等；
Ø 熟练进行Prompt 撰写和调优，能够根据业务诉求引导AI对生成的内容进行自动优化。
Ø 熟悉检索增强生成（RAG）技术架构，能够结合向量数据库（如FAISS、Milvus、Pinecone）与大语言模型构建知识检索型应用。

四、岗位职责
Ø 分析业务需求，设计和实现AI驱动的解决方案，提升复杂规则处理及非结构化数据分析能力。
Ø 针对实际业务场景完成AI模型的设计、训练、调优及集成，确保模型性能和业务需求匹配。
Ø 与团队协作完成AI模块与现有工具链的无缝对接，优化数据处理、文档分析及自动化流程。