深度学习算法工程师

岗位描述：

一、主要职责

算法设计与模型开发

负责深度学习模型的架构设计、研发及持续迭代，面向实际业务场景（如计算机视觉、自然语言处理、推荐系统、语音识别等）构建完整的端到端智能解决方案。

根据业务目标明确问题范围，合理选用模型结构（如CNN、RNN、Transformer、GAN等），完成从方案设计到工程落地的全流程实现。

数据处理与特征工程

参与原始数据的采集、清洗、标注及预处理工作，制定高效的数据特征处理策略，提升数据质量与模型输入的有效性。

研究数据分布规律，应对数据不均衡、噪声干扰等挑战，持续优化模型训练所需的数据流程。

模型训练与优化

主导模型的训练过程，开展超参数调优、性能评估与多轮迭代，提升模型在准确率、效率和稳定性方面的综合表现；熟练掌握正则化、迁移学习等关键技术手段。

针对推理延迟、内存消耗等性能瓶颈进行专项优化，采用模型剪枝、量化、知识蒸馏以及TensorRT/ONNX等技术实现模型轻量化与加速。

工程化部署与落地

将训练完成的模型集成至生产环境（包括云服务器、边缘设备或移动端），解决实际部署中的延迟、并发处理与系统稳定性等问题。

协同软件开发团队，定义并实现模型服务接口（REST/gRPC），构建自动化的训练与发布流程（CI/CD），提升整体研发效率。

技术调研与创新

密切关注深度学习领域的最新进展（如NeurIPS、ICML、CVPR等顶级会议），复现先进方法或改进现有SOTA模型，推动前沿技术在业务中的应用探索。

结合具体应用场景提出原创性技术思路，牵头攻克关键技术难题，并输出专利成果或专业技术文档。