一、岗位信息
岗位名称：算法开发工程师

二、岗位职责
负责深度学习及机器学习相关算法的研究、设计、开发与优化工作，参与算法模型从研究到工程化落地的全流程。

负责主流深度学习框架（PyTorch、TensorFlow、PaddlePaddle、MindSpore、OneFlow等）的开发环境搭建与维护，保障算法训练与推理环境的稳定运行。

负责算法模型的训练、调优与部署，包括但不限于模型架构设计、参数调优、性能优化及多场景适配。

负责BERT、ERNIE等预训练模型的研究与微调工作，针对具体业务场景进行模型优化，提升模型的性能和准确性。

负责算法开发过程中的运行日志记录、监控与解析，建立完善的日志分析体系，支撑算法性能诊断与问题排查。

参与不确定性推理与决策算法的研究与开发，包括FAHP（模糊层次分析法）、DS证据理论、CTMC（连续时间马尔可夫链）、DBN（动态贝叶斯网络）等算法的设计与工程化实现。

参与AI基础平台工具类的研发，包括模型训练和部署框架、数据增强与合成工具等。

关注AI领域前沿技术动态，跟踪大模型、生成式AI等最新发展趋势，推动技术创新与业务落地。

三、任职要求
（一）学历与专业
本科及以上学历，计算机科学、人工智能、数学、统计学、电子信息、自动化等相关专业。

（二）编程与工程能力
熟练掌握Python编程语言，具备良好的代码风格和工程化开发习惯；熟悉Linux开发环境，具备Linux环境下的开发、部署及测试能力。

熟悉C/C++者优先，具备异构计算平台（如CUDA）编程与性能调优经验者优先。

（三）深度学习框架
熟练掌握至少一种主流深度学习框架，包括但不限于PyTorch、TensorFlow、PaddlePaddle、MindSpore、OneFlow等。

熟悉scikit-learn等传统机器学习工具库的使用。

熟悉常用算法开发与部署工具，如ONNX、TensorRT、Triton等。

（四）预训练模型与微调
深入理解NLP核心技术，包括Transformer架构、注意力机制、词向量等。

熟悉BERT、ERNIE、GPT等主流预训练模型，具备基于预训练模型进行微调（Fine-tuning）或Prompt学习开发下游任务的实际经验。

熟悉大模型调优技术（如PrefixTuning、PromptTuning、LoRA、RLHF等）者优先。

（五）算法理论基础
具备扎实的机器学习与深度学习理论基础，熟悉常见监督学习、无监督学习、强化学习算法。

熟悉概率论、随机过程等数学基础，掌握贝叶斯方法、马尔可夫链等理论工具。

了解不确定性推理与决策分析方法，包括但不限于：

FAHP（模糊层次分析法）：模糊判断矩阵构建与权重计算

DS证据理论（Dempster-Shafer证据理论）：证据合成与不确定性推理

CTMC（连续时间马尔可夫链）：随机过程建模与状态转移分析

DBN（动态贝叶斯网络）：时序数据建模与概率图模型推断

（六）综合素质
具备较强的编程能力、学习能力和独立解决问题的能力。

具有良好的团队合作精神与沟通能力，能够与产品、开发等团队紧密协作。

具备良好的文献阅读能力，能够跟踪前沿算法研究成果。

四、加分项
有知名AI公司或实验室实习/工作经历，深度参与过人工智能相关项目

有技术类竞赛（如数学建模、ACM等）获奖经历

有大模型（LLM）预训练、微调或部署的实战经验

熟悉分布式训练框架（如DeepSpeed、Megatron-LM等）

有模型压缩、量化、剪枝等模型优化及部署上线经验

在NLP/CV/多模态等方向有顶会论文发表