【崗位職責(zé)】
1. 深入理解業(yè)務(wù)場景，識別核心痛點并提出可落地的技術(shù)解決方案
3. 參與大規(guī)模數(shù)據(jù)的分析與統(tǒng)計工作，診斷現(xiàn)有模型瓶頸，持續(xù)迭代優(yōu)化算法性能
4. 對技術(shù)保持高度敏感，主動追蹤數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)領(lǐng)域的最新進(jìn)展，并有效應(yīng)用于產(chǎn)品實踐中
5. 承擔(dān)公司核心算法的設(shè)計與研發(fā)任務(wù)，通過數(shù)據(jù)分析、機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘技術(shù)挖掘業(yè)務(wù)價值與增長機(jī)會
7. 探索基于大語言模型（LLM）、檢索增強(qiáng)生成（RAG）以及AIGC、AGI方向的智能應(yīng)用開發(fā)
8. 針對不同業(yè)務(wù)需求優(yōu)化大模型的微調(diào)策略與部署方案，保障模型在實際應(yīng)用中的準(zhǔn)確性與高效性
9. 搭建并維護(hù)結(jié)構(gòu)化知識庫，融合RAG技術(shù)提升智能問答、虛擬助手等系統(tǒng)的響應(yīng)能力
10. 研究大模型在多模態(tài)、跨場景下的集成應(yīng)用，助力公司向通用人工智能方向演進(jìn)
11. 運用傳統(tǒng)機(jī)器學(xué)習(xí)方法如分類、回歸、聚類等，支持客戶側(cè)專業(yè)預(yù)測與推理模型的構(gòu)建

【任職要求】
1. 必須具備NLP方向的實際項目經(jīng)驗，熟悉底層算法者優(yōu)先；至少掌握BoW、詞嵌入、TF-IDF、NER、文本分類、GANs、BERT中三種以上技術(shù)并有成功落地案例
2. 熟練使用PyTorch、TensorFlow、Keras、Scikit-Learn、JAX、MXNet等主流機(jī)器學(xué)習(xí)或深度學(xué)習(xí)框架中的至少兩種
3. 具備強(qiáng)數(shù)據(jù)敏感度，樂于探索并提煉數(shù)據(jù)背后的規(guī)律與洞察
4. 擁有機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘或推薦系統(tǒng)相關(guān)的真實項目實踐經(jīng)驗
5. 精通Python、R、Java、Scala中的一種或多種編程語言，熟悉Linux環(huán)境下的開發(fā)流程
6. 掌握Hive、Spark等大數(shù)據(jù)處理工具，具備從零搭建數(shù)據(jù)挖掘或機(jī)器學(xué)習(xí)系統(tǒng)的經(jīng)驗
7. 有營銷、能源、制造、推薦策略等行業(yè)背景者優(yōu)先考慮
8. 深入理解大語言模型、RAG機(jī)制及AIGC技術(shù)，具有相關(guān)項目實踐經(jīng)歷者優(yōu)先
9. 對算法內(nèi)部數(shù)學(xué)原理、目標(biāo)函數(shù)構(gòu)造與優(yōu)化求解過程有研究者優(yōu)先

核心：技術(shù)方向=大數(shù)據(jù)/機(jī)器學(xué)習(xí)+預(yù)測/推理/NLP/LLM
重點：必須具備NLP實際項目經(jīng)驗