一、基本要求： 1. 优秀的编程能力： * 精通Python及JAVA，熟悉常用的数据结构和算法。能够完成数据清洗、简单算法实现等任务 。 * 熟悉Linux/Unix操作系统，掌握常用的Shell脚本编写。 2. 深度学习框架入门： * 熟悉TensorFlow或PyTorch的基本操作，能调用API搭建简单模型（如线性回归、CNN分类模型） 。 3. 数学与统计学基础： * 统计学与线性代数：理解均值、方差、矩阵运算等基础概念，能应用于数据分析和模型参数调整 * 概率论入门：掌握条件概率、贝叶斯定理等，支持对机器学习算法的基本理解 4. 机器学基础： * 常见算法原理：了解线性回归、决策树、聚类等经典算法的适用场景及实现流程 * 数据预处理：掌握数据清洗、缺失值处理、标准化等基础方法 二、加分项： 有接触过模型预训练、微调（Fine-tuning）、提示学习（Prompt Learning）、强化学习（RLHF）等训练范式，了解模型剪枝、量化（INT8, FP16, INT4等）、知识蒸馏、检索增强(RAG)等技术， 熟悉并使用过主流模型开发框架（如CUDA、CANN、DTK、RKNN等）和开发技术（如MindSpore，Agent，LangChain, LangGraph，MCP、Skills等）优先