一、數據挖掘、運籌方向:
1.研究機器學習、深度學習、運籌優(yōu)化等領域的前沿技術,建立、評估、迭代數據模型和算法,構建數據洞察體系;
2.深入理解業(yè)務場景,打造智能化供應鏈解決方案: 基于對業(yè)務場景的深入理解和大量數據特征,參與智能運營、需求挖掘、路徑優(yōu)化、風險控制等方向的算法研發(fā),同時挖掘產業(yè)鏈中的多元數據價值,提升供應鏈效率和服務質量;
3.緊貼業(yè)務部門需求,賦能業(yè)務決策: 基于數據洞察體系和各類業(yè)務特征,構建算法模型,為集裝箱調配、網絡優(yōu)化、供應商管理等關鍵業(yè)務決策提供精準的數據支持與前瞻性預測;
4.挖掘數據價值,驅動業(yè)務創(chuàng)新:分析和研究數據與實際業(yè)務,針對具體業(yè)務場景挖掘各類數據標簽,深入理解業(yè)務規(guī)律,驅動業(yè)務創(chuàng)新和增長。
二、大模型方向:
1.完成大模型相關任務,包括數據收集處理、模型訓練、評測及推理等工作,確保數據的準確性和模型的有效性;
2.參與大模型算法的應用研究,涉及語言模型、多模態(tài)模型等領域,應用 Prompt 工程、RAG、SFT 等技術,將算法從理論轉化為實際業(yè)務場景中的解決方案;
3.協(xié)助團隊探索智能體應用的新方向,參與將前沿研究成果轉化為產品功能的實現(xiàn)過程,推動產品的創(chuàng)新與優(yōu)化;
4.參與大模型在業(yè)務場景中的關鍵能力開發(fā),如知識理解、指令遵循、基礎推理等,優(yōu)化模型在業(yè)務中的落地效果,提升業(yè)務處理效率;
5.參與算法模型的工程化落地工作,包括模型壓縮、加速、部署與監(jiān)控等環(huán)節(jié),確保模型在業(yè)務系統(tǒng)中的穩(wěn)定運行。
三、算法工程方向:
1.參與算法平臺擴展性、穩(wěn)定性優(yōu)化,確保能滿足現(xiàn)階段業(yè)務對算法處理的需求,并為未來業(yè)務拓展奠定基礎;
2.設計算法模型服務化方案,致力于實現(xiàn)高并發(fā)、低延遲在線推理服務,保障服務的穩(wěn)定運行;
3.參與算法從研發(fā)到生產的工程化流程,包括數據預處理、特征工程、模型訓練、模型評估等環(huán)節(jié);
4.參與算法平臺的模塊化、服務化工作,提升平臺的易用性和可維護性;
5.推動算法平臺與公司內部其他系統(tǒng)集成,助力提升協(xié)同效應。
崗位任職要求:
1.計算機、數學、統(tǒng)計相關專業(yè)本科及以上學歷。碩士及以上優(yōu)先;
2.數據敏感,有良好的邏輯思維和定義以及解決問題的能力;
3.具備良好的數學基礎,熟悉線性代數、概率論與統(tǒng)計學、優(yōu)化算法等;
4.精通至少一種編程語言,如 Python、Java 或 C++,熟悉算法實現(xiàn)及性能優(yōu)化;
5.對機器學習、深度學習原理有深入理解,熟悉常用框架如TensorFlow、PyTorch、Scikit-learn等;
6.能夠快速學習和適應新技術,具有較強的創(chuàng)新意識和探索精神,能提出新的想法和解決方案;
7.具備良好的團隊合作精神,能夠有效溝通,與跨部門團隊緊密協(xié)作;
8.熟悉常見的大模型架構(大模型方向);
9.具備算法工程化、AI平臺建設相關工作經驗(算法工程化方向);
10.熟悉模型推理加速技術(如TensorRT、ONNX、OpenVINO等)(算法工程化方向);
11.熟悉容器化技術(如 Docker)和 Kubernetes 集群管理,具備模型部署到云平臺或生產環(huán)境的經驗(算法工程化方向)。