崗位職責(zé):
1、業(yè)務(wù)理解與邏輯梳理:快速理解公司業(yè)務(wù),與業(yè)務(wù)團(tuán)隊(duì)緊密合作,梳理并優(yōu)化業(yè)務(wù)流程,將業(yè)務(wù)需求轉(zhuǎn)化為技術(shù)解決方案。
2、技術(shù)選型與調(diào)研:根據(jù)項(xiàng)目需求,調(diào)研并選擇合適的技術(shù)棧和框架,包括但不限于TensorFlow、PyTorch等主流AI框架,以及如何高效利用如Hugging Face Transformers等開源工具。
3、數(shù)據(jù)處理與模型訓(xùn)練:指導(dǎo)業(yè)務(wù)團(tuán)隊(duì)收集、清洗和整理業(yè)務(wù)數(shù)據(jù),設(shè)計(jì)數(shù)據(jù)預(yù)處理流程,構(gòu)建高質(zhì)量的數(shù)據(jù)集用于模型訓(xùn)練;優(yōu)化模型訓(xùn)練策略,提升模型效果。
4、負(fù)責(zé)LLM項(xiàng)目的算法設(shè)計(jì)與實(shí)現(xiàn):根據(jù)業(yè)務(wù)需求,設(shè)計(jì)并實(shí)現(xiàn)適用于特定場景的大型語言模型算法,確保模型的性能、準(zhǔn)確性和可擴(kuò)展性。
5、主流大模型與技術(shù)跟蹤:持續(xù)關(guān)注自然語言處理領(lǐng)域的最新研究進(jìn)展,評估現(xiàn)有主流大模型(如GPT系列、BERT系列等)在項(xiàng)目中的適用性,并探索其在特定應(yīng)用場景下的創(chuàng)新使用方式。
6、模型部署與優(yōu)化:參與模型的部署工作,確保模型在生產(chǎn)環(huán)境中的穩(wěn)定運(yùn)行;持續(xù)監(jiān)控模型性能,進(jìn)行調(diào)優(yōu)以滿足業(yè)務(wù)需求和性能指標(biāo)。
任職資格:
1、溝通協(xié)作:良好的跨部門溝通能力和團(tuán)隊(duì)協(xié)作精神,能夠有效地與非技術(shù)背景的同事溝通技術(shù)方案。
2、專業(yè)技能:熟練掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)理論,有自然語言處理(NLP)項(xiàng)目經(jīng)驗(yàn)者優(yōu)先。
3、編程能力:精通Python編程,熟悉至少一種主流深度學(xué)習(xí)框架(TensorFlow、PyTorch)。
4、項(xiàng)目經(jīng)驗(yàn):有完整的機(jī)器學(xué)習(xí)項(xiàng)目從設(shè)計(jì)到部署的實(shí)踐經(jīng)驗(yàn),尤其是LLM或其他復(fù)雜NLP模型的實(shí)踐經(jīng)驗(yàn)。
5、教育背景:計(jì)算機(jī)科學(xué)、人工智能、數(shù)學(xué)或相關(guān)領(lǐng)域碩士及以上學(xué)歷。