一、核心職責(業(yè)務驅動的算法落地)
1. 參與核心業(yè)務模型研發(fā):基于業(yè)務數據(文本/圖像/數值/多模態(tài)),運用機器學習/深度學習技術解決實際問題(如推薦排序、用戶畫像、風險識別、智能決策等)。
2. 全流程模型開發(fā):獨立完成數據清洗、特征工程、模型選型(樹模型/XGBoost/神經網絡/深度學習框架)、訓練調優(yōu)及效果評估,通過A/B測試驗證業(yè)務價值并推動上線。
3. 技術優(yōu)化與迭代:針對模型效果(如準確率/召回率/CTR)、性能(推理速度/資源占用)或成本(算力消耗)瓶頸,設計優(yōu)化方案(如模型蒸餾/剪枝/量化、特征篩選、工程架構調整)。
4. 業(yè)務協(xié)作與沉淀:與產品/運營/工程團隊溝通需求,輸出可復用的算法模塊(如特征處理工具、模型評估腳本),并形成標準化流程文檔。
二、任職要求
- 基礎能力:計算機/數學/統(tǒng)計/自動化等相關專業(yè)碩士及以上在讀,熟練Python編程,熟悉Linux環(huán)境;掌握基礎數據結構與算法,熟悉SQL(用于數據提取與分析)。
- 核心技術:深入理解機器學習基礎(如監(jiān)督學習/無監(jiān)督學習/優(yōu)化算法),熟練使用至少一種主流深度學習框架。
- 業(yè)務適配(至少滿足一項):
- 有監(jiān)督學習經驗(如分類/回歸/排序模型:LR/XGBoost/LightGBM/深度神經網絡),熟悉特征工程與模型評估指標。
- 有深度學習項目經驗(如CV/NLP/多模態(tài)場景:CNN/RNN/Transformer/注意力機制),了解模型訓練調優(yōu)技巧。
- 加分項:模型服務化(如FastAPI)、大模型基礎(如微調/提示工程)。
三、我們提供
- 真實業(yè)務場景:直接參與核心項目(如用戶增長/內容理解/風險控制),積累從數據到落地的完整經驗。
實習周期:3-6個月(每周≥4天),薪資面議