职位概要
负责AI相关模型的开发、优化和部署，使用Python及相关AI生态工具构建智能应用。主要涉及数据处理、机器学习、深度学习模型训练与推理优化，支持AI业务需求的落地。

岗位职责
算法开发与优化：基于机器学习/深度学习算法，开发、训练和优化AI模型，如NLP（自然语言处理）、CV（计算机视觉）、推荐系统等。

数据处理与特征工程：清理、处理和分析结构化/非结构化数据，构建高效的数据pipeline，优化模型训练效率。

模型训练与调优：使用TensorFlow、PyTorch等框架进行AI模型的训练、测试、调优，提高精度、鲁棒性及推理速度。

模型部署与服务化：将AI模型转换为API或嵌入式服务，使用Flask/FastAPI/Django或Kubernetes/Docker进行上线部署。

分布式计算：使用Spark、Ray、Dask或GPU（CUDA）加速AI计算，提高大规模数据处理及模型训练速度。

自动化AIPipeline构建：集成MLOps、AutoML、模型监控等技术，优化AI生产环境的部署与迭代。

大语言模型（LLM）优化（如果涉及）：基于OpenAIGPT、LLaMA、Claude、Mistral等模型进行微调、PromptEngineering、RAG检索增强等开发。

跨团队协作：与数据科学、后端开发、产品团队合作，确保AI解决方案能在业务中高效应用。

技术研究与探索：持续学习最新AI技术，如AIGC（生成式AI）、强化学习、多模态AI，并推动技术创新。

岗位要求
编程基础：精通Python，熟悉常见AI库，如NumPy、Pandas、Scikit-learn、Matplotlib。

机器学习&深度学习：熟悉常见ML/DL算法，如CNN、RNN、Transformer，掌握TensorFlow、PyTorch、JAX等AI框架。

数据处理：熟悉SQL/NoSQL数据库，具备ETL经验，能高效处理海量数据。

模型优化：具备AI模型调优经验，如超参数优化（GridSearch、BayesianOptimization）、量化（Quantization）、剪枝（Pruning）、蒸馏（KnowledgeDistillation）等。

部署经验：了解AI模型推理优化，熟悉ONNX、TensorRT、TritonInferenceServer、GPU/TPU加速等技术，有实际AI产品部署经验优先。

云计算与MLOps（加分项）：熟悉AWS/GCP/Azure，了解MLflow、Kubeflow、Airflow等AI生产环境管理工具。

团队协作：良好的工程思维和编码能力，具备Git版本管理、API开发、文档撰写等习惯，能高效沟通与协作。

英语能力：能够阅读AI相关英文论文、文档，并跟踪AI领域前沿技术动态。

加分项
参与过ChatGPT、LLaMA、StableDiffusion等LLM相关项目。

有AI算法优化或AI芯片（如NVIDIATensorRT、TPU、FPGA）优化经验。

具备多模态AI（文本、图像、视频、音频）开发经验。

发表过AI论文或在开源社区（如HuggingFace、GitHub）有贡献。1