一、人工智能算法方向 1、跟踪大语言模型（LLM）、计算机视觉（CV）及传统机器学习算法等领域的前沿技术，开展可行性研究与应用评估。 2、结合智能运维、智能调度等业务需求，完成算法选型、模型构建、训练调优及部署方案设计。 3、负责模型在真实工业场景中的开发与验证，持续优化算法的有效性、可靠性与安全性。 4、撰写高质量技术文档与专利材料，为团队技术决策提供专业支持。 5、积极参与技术交流，推动前沿算法在实际业务中的落地转化。 二、软件开发方向（产品/需求/后端/前端/数据/测试/运维方向） 1、负责AI中台、服务平台及行业应用产品的全生命周期建设，根据个人专长承担需求分析、系统开发、数据处理、质量保障或基础设施运维工作；协同完成系统集成、接口联调与技术文档编写，参与全链路性能监控与故障排查。 2、产品方向：负责AI产品的规划与设计，结合人工智能技术特点定义产品路线图；进行竞品分析与创新场景挖掘，产出产品原型与交互设计方案，推动产品从0到1的落地。 3、需求方向：负责业务需求调研与深入分析，充当算法、开发与业务部门之间的桥梁；将模糊的业务场景转化为清晰的功能需求文档，明确系统边界与验收标准。 4、后端方向：实现业务逻辑、数据存储、模型服务封装与部署，保障系统高并发高可用。 5、前端方向：负责AI产品及平台（如大模型交互界面、算法模型可视化系统）的前端架构设计、开发与优化，优化复杂交互体验与海量数据渲染性能。 6、数据方向：构建和维护数据采集、清洗、处理与建模流程，设计并实现离线与实时数据管道，满足模型训练、评估与推理的多样化数据需求。 7、测试方向：建立针对AI系统的自动化测试体系，覆盖功能测试、性能压测及算法效果评估；维护测试数据集，保障版本发布的质量与稳定性。 8、运维方向：负责AI基础设施（如GPU集群、Docker/K8s环境）的部署与维护；搭建MLOps流程与CI/CD流水线，实现模型的一键部署、资源调度与全链路监控。 一、人工智能算法方向 1、硕士研究生及以上学历，计算机、人工智能、数学、自动化等相关专业。 2、具备扎实的机器学习与深度学习理论基础，精通自然语言处理（NLP）、计算机视觉（CV）或传统机器学习某一领域的算法模型。 3、熟练掌握Python及PyTorch等主流框架，具备大模型或视觉相关实战经验者优先。 4、具备较强的逻辑思维、科研能力和实际问题解决能力，跟踪领域最新进展。 5、具有良好的团队协作精神和沟通能力，对工业场景下的算法应用有浓厚兴趣。 6、能够熟练使用AI Coding工具。 7、具备良好的专业英语能力。 二、软件开发方向（产品/需求/后端/前端/数据/测试/运维方向） 1、硕士研究生及以上学历，计算机、软件工程及相关专业背景。 2、具备以下至少一个方向的专业能力： - 产品/需求方向： ①熟练使用产品设计与流程梳理工具； ②具备优秀的需求分析与文档编写能力，能清晰拆解业务逻辑； ③理解大模型或AI技术的基本原理与边界，有 AI 平台、B端管理系统或数据产品设计经验者优先。 - 后端方向： ①精通Java/Go/Python 其中一种语言，熟悉 Spring Boot/Gin/Django等主流框架； ②熟悉主流数据库，具备微服务架构、高并发系统设计及Docker/K8s开发经验。 - 前端方向： ①精通 HTML/CSS/JS 和 Vue/React 框架； ②具备数据可视化开发经验，或熟悉 WebSocket 进行实时交互开发。 - 数据工程：熟练使用Python/Scala/SQL，具备数据管道搭建及批流处理实战能力。 ①熟练使用Python/Scala/SQL，熟悉主流大数据生态组件； ②具备构建大规模数据采集、清洗管道及数仓建模的实战经验。 - 测试方向： ①掌握软件测试理论，熟悉自动化测试框架； ②具备 Python 脚本编写能力，有 AI 模型效果评估、性能压测经验者优先。 - 运维方向： ①精通 Linux 系统与 Shell/Python 脚本编程； ②熟悉Docker/Kubernetes 容器化技术，有 GPU 集群管理、Prometheus/Grafana 监控配置或 MLOps 平台搭建经验者优先。 3、了解机器学习基本流程及常见AI应用架构，具备良好的系统设计和编码规范。 4、具备较强的学习能力、沟通能力和团队协作意识，能快速适应多任务开发环境。 5、有 AI 行业项目经验或相关开源技术贡献者优先。 6、能够熟练使用AI Coding工具。 8、具备良好的专业英语能力。 注：满足以上任一研究方向条件者均可。