自然语言处理算法工程师

一、核心能力要求 1. 编程语言 Python（必备）：熟练掌握NumPy/Pandas进行数据处理，精通PyTorch/TensorFlow/Keras等主流框架，了解SciKitLearn等传统机器学习工具库。 C++/Java/Scala（加分项）：具备高性能计算能力，熟悉系统底层优化，有工业级部署经验（如实时推理引擎开发）。 2. 算法与模型 传统ML：掌握监督学习（线性回归/SVM/决策树）、无监督学习（聚类/PCA）、强化学习等方法。 深度学习： CV方向：熟悉CNN（ResNet/YOLO）、Diffusion Models（Stable Diffusion）等模型架构。 NLP方向：掌握RNN/LSTM、Transformer（BERT/GPT），具备多模态与大语言模型微调经验。 3. 开发框架与工具 深度学习框架：PyTorch（研究优先）、TensorFlow（生产环境）、HuggingFace（NLP生态支持）。 大数据处理：熟悉Apache Spark/Flink、Kafka（流式数据处理）、Hadoop生态系统。 云平台与MLOps：掌握AWSSageMaker/AzureML/GCPVertexAI，熟悉MLflow/Kubeflow、Airflow等工具。 二、进阶技术能力 1. 数据处理与工程化 具备数据清洗、特征工程、数据增强能力（如使用GAN生成合成数据）。 熟悉分布式存储与计算（HDFS/Spark），了解向量数据库（FAISS/Milvus）应用。 2. 模型优化与部署 性能提升：掌握模型量化剪枝、GPU加速（CUDA）、多线程及分布式训练技术。 部署实施：熟悉容器化部署（Docker/K8s）、Serverless架构、边缘设备推理（ONNXRuntime）。 3. 领域适配经验 具备金融、医疗、心理学等垂直领域数据理解与术语转化能力（如开发医疗NER模型）。 关注隐私合规：具备数据脱敏（GDPR）、模型偏见检测、AI伦理风险评估实践经验。 三、岗位职责 1. 架构设计与技术规划 负责端到端AI系统架构搭建（从数据管道→训练→部署→监控），制定技术演进路线（如引入LLM/AutoML的技术评估）。 保障系统高可用性、高性能运行，并符合合规要求（如数据隐私保护、模型可审计性）。 2. 工程化落地与优化 主导MLOps体系建设（模型版本控制、自动化训练与监控）、实现低延迟实时推理（<100ms响应）。 优化分布式计算架构（Spark/Flink），推进成本优化策略（Spot实例利用、模型压缩方案）。 3. 技术领导与创新 牵头跨团队协作（数据/产品/业务），将业务需求转化为可行技术方案（如对话系统架构设计）。 四、任职要求 1. 基础背景 计算机科学、数学、统计学等相关专业本科及以上学历，具备2年以上AI系统架构设计经验。 2. 全流程项目经验 完整参与过至少2个AI项目全流程（涵盖需求分析→数据准备→模型训练→部署运维）。 熟悉Git版本管理，掌握CI/CD自动化测试流程。 3. 跨领域协作能力 具备心理学、医疗、金融等行业知识整合能力（例如情感咨询机器人中的心理学术语适配）。 4. 伦理与合规实践 有隐私数据脱敏处理、模型公平性检测、人工智能伦理风险评估的实际操作经验。