人工智能工程师

所属部门：技术部
职位概述
设计、实现并优化人工智能模型与系统，解决业务场景中的复杂问题（如智能决策、内容生成、自动化流程等），推动AI技术从原型验证到规模化落地，提升产品智能化水平与用户体验。
核心职责1. 模型开发与训练
针对场景需求（图像识别、文本理解、语音处理、推荐系统等）设计机器学习/深度学习模型架构；
实现数据预处理、特征工程、模型训练（PyTorch/TensorFlow）及调优（超参搜索、蒸馏剪枝）；
探索前沿技术（如Transformer、Diffusion Models、图神经网络）提升模型效果。
2. 工程化落地
开发模型推理服务API，优化部署性能（延迟/吞吐量）；
实现模型压缩（量化/蒸馏）与加速（TensorRT/OpenVINO）；
构建自动化训练-评估-部署流水线（MLOps）。
3. 数据驱动优化
设计数据标注方案，管理高质量数据集；
分析bad cases，迭代模型与数据闭环；
运用A/B测试验证模型业务价值。
4. 跨领域协作
与产品团队：将业务需求转化为技术方案，输出可行性报告；
与数据团队：定义数据采集规范，构建特征仓库；
与运维团队：保障线上服务稳定性（监控/告警/回滚）。
5. 大模型应用
微调开源大模型（deepseek）适配垂直场景；
开发RAG应用、Agent工作流、提示词工程优化；
构建领域知识增强与幻觉抑制方案。
任职要求硬性技能
编程与工具
精通Python，熟悉Linux开发环境；
掌握PyTorch/TensorFlow框架及生态工具（Hugging Face/Weights & Biases）；
了解云服务（AWS SageMaker/Azure ML）或容器化技术（Docker/K8s）。
算法基础
扎实的机器学习理论（监督/无监督学习、评估指标、过拟合对策）；
掌握深度学习核心架构（CNN/RNN/Transformer）及训练技巧；
熟悉经典算法（XGBoost、聚类算法、推荐系统协同过滤）。
软技能
强逻辑思维与问题拆解能力；
能清晰技术宣讲（面向产品/业务团队）；
快速学习新技术。