智能分析工程（AI方向）（校園招聘）

工作職責(zé)：1.參與集團(tuán)內(nèi)AI項(xiàng)目建設(shè)，完成項(xiàng)目可行性調(diào)研工作。
2.根據(jù)集團(tuán)業(yè)務(wù)部門需求能獨(dú)立完成智能體（Agent工程）搭建工作。
3.建立模型監(jiān)控體系，跟蹤已部署模型的表現(xiàn)、穩(wěn)定性和公平性，負(fù)責(zé)模型的持續(xù)迭代和重新訓(xùn)練
4.與業(yè)務(wù)部門緊密合作，將復(fù)雜的業(yè)務(wù)問(wèn)題轉(zhuǎn)化為可執(zhí)行的AI項(xiàng)目，并清晰地傳達(dá)AI模型的價(jià)值、局限性和對(duì)業(yè)務(wù)指標(biāo)的實(shí)際影響。
5.端到端地負(fù)責(zé)機(jī)器學(xué)習(xí)項(xiàng)目的生命周期，包括業(yè)務(wù)理解、數(shù)據(jù)準(zhǔn)備、特征工程、模型選擇、訓(xùn)練、評(píng)估、優(yōu)化，并協(xié)同工程師將模型部署到生產(chǎn)環(huán)境。
6.研究和應(yīng)用大型語(yǔ)言模型于業(yè)務(wù)場(chǎng)景，如智能問(wèn)答、文檔摘要、內(nèi)容生成、代碼輔助等。具備對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)和提示工程的能力。
7.運(yùn)用NLP技術(shù)處理非結(jié)構(gòu)化文本數(shù)據(jù)，主題建模、實(shí)體識(shí)別、文本分類等，從文本中提取商業(yè)價(jià)值。
8.參與選擇和搭建團(tuán)隊(duì)內(nèi)部的AI開(kāi)發(fā)工具鏈，優(yōu)化從實(shí)驗(yàn)到部署的流程，提升AI研發(fā)效率。
9.確保AI系統(tǒng)的公平性、可解釋性、透明度和數(shù)據(jù)隱私保護(hù)。識(shí)別和緩解模型中的偏見(jiàn)，建立負(fù)責(zé)任的AI應(yīng)用規(guī)范。
10.在相關(guān)業(yè)務(wù)領(lǐng)域（如質(zhì)量檢測(cè)、圖像搜索、安防監(jiān)控），探索和應(yīng)用計(jì)算機(jī)視覺(jué)模型（如目標(biāo)檢測(cè)、圖像分類）來(lái)解決實(shí)際問(wèn)題。
崗位要求：1.碩士研究生，人工智能、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、智能科學(xué)與技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)。
2.精通Python、SQL；熟練掌握主流機(jī)器學(xué)習(xí)框架（如Scikit-learn, TensorFlow, PyTorch）和MLOps工具。
3.精通從業(yè)務(wù)理解、數(shù)據(jù)清洗、特征工程、模型訓(xùn)練、評(píng)估到部署上線的全流程；深入理解常用機(jī)器學(xué)習(xí)算法（線性模型、樹(shù)模型、聚類、降維等）和深度學(xué)習(xí)算法（CNN, RNN, Transformer）的原理；熟練使用Git進(jìn)行代碼和模型的版本管理；熟悉至少一家主流云平臺(tái)（AWS, GCP, Azure）的AI/機(jī)器學(xué)習(xí)服務(wù)；了解如何使用Docker容器化模型，并通過(guò)API（如FastAPI, Flask）提供服務(wù)。