人工智能训练师

一、岗位概述
本岗位主要负责图片类模型的全流程训练工作，涵盖数据样本处理、模型微调优化、自动化脚本开发及模型性能验证，致力于推动AI模型在业务场景中的高效落地与迭代升级。
二、岗位职责
负责模型的全流程训练工作，包括业务场景适配的数据筛选、基于LoRA/QLoRA等方法的模型微调、多维度性能评估与迭代优化，确保模型精度、速度满足业务需求；
承担数据样本的全生命周期处理，针对不同业务场景设计分层抽样、交叉验证等样本划分策略，完成数据清洗、标注校验与质量评估，构建高质量训练数据集；
开发并维护自动化脚本体系，实现数据批量预处理、训练任务调度、模型输出结果统计与可视化等功能，提升模型训练的效率与可重复性；
参与图片类模型的训练任务，包括图像数据增强（如随机裁剪、色彩扰动、噪声注入）、模型架构适配、训练参数调优，推动模型在图像生成、内容理解等场景的落地；
跟踪小模型与大模型训练领域的前沿技术动态，定期开展技术调研与方案验证，结合业务痛点优化训练流程与模型性能；
配合算法研发团队完成模型部署前的性能测试，输出详细的训练报告与模型评估文档，为业务应用提供技术支撑。
三、任职要求
（一）专业技能要求
模型训练能力：熟悉LLaMA、Qwen、Baichuan等主流开源小模型架构，掌握LoRA、QLoRA等高效微调方法，具备独立完成小模型训练、评估、迭代的全流程经验，能够针对业务需求调整训练策略；
样本处理能力：精通数据清洗、标注与划分的核心方法，能够根据数据分布与业务目标设计合理的样本拆分策略，熟练使用Pandas、Numpy等工具处理结构化与非结构化数据，具备数据质量管控经验；
脚本开发能力：熟练掌握Python编程语言，具备Shell/Bash脚本编写经验，能够独立开发自动化脚本实现数据批量处理、训练任务排队调度、训练日志自动分析等功能，提升训练流程的自动化水平；
图片大模型训练能力：熟悉Stable Diffusion、CLIP、ViT等图像类大模型架构，掌握图像数据增强、模型微调、多模态融合训练等技术，熟练使用PyTorch、TensorFlow等深度学习框架，具备图像大模型训练调优经验；
工具与框架：熟悉Hugging Face Transformers、Datasets等AI工具库，了解Docker、Kubernetes等容器化部署技术，具备使用分布式训练框架（如DeepSpeed）提升训练效率的经验者优先。
（二）经验与学历要求
专科及以上学历，计算机科学与技术、人工智能、软件工程、统计学、自动化等相关专业；
2-3年算法模型训练相关工作经验，拥有小模型微调或图片模型训练的项目落地经验者优先；
具备计算机视觉（CV）或自然语言处理（NLP）领域的模型训练项目经验，有实际业务场景落地案例者优先；
参与过开源模型社区贡献或拥有个人技术博客、GitHub项目者优先。
（三）综合能力要求
1.问题解决能力：能够快速定位模型训练过程中的数据异常、算法瓶颈、环境故障等问题，并提出针对性的解决方案；
2.团队协作能力：具备良好的跨部门沟通能力，能够与算法研发、业务产品、数据标注等团队高效协作，共同推进项目落地；
3.自主学习能力：能够快速跟进AI模型训练领域的前沿技术与工具，主动探索新技术在业务场景中的应用；
4.文档撰写能力：能够清晰撰写训练流程说明、参数配置文档、模型评估报告，确保技术成果的可传承性。