算法工程师-深度学习

岗位职责：
1.负责分类相关算法研发：文本语义理解、多分类/细粒度分类、意图识别、文本过滤等任务；基于预训练大模型做微调、Prompt、蒸馏，解决文本噪声、类别不均衡问题，将模型部署到线上业务。
2.负责时序预测建模：基于时间序列数据（用户行为时序、流量、指标序列等）构建预测模型，使用时序深度学习模型（TemporalFusionTransformer、LSTM、TCN、TimesNet等）做指标预测、异常检测，完成特征工程、模型调优、效果验证。
3.小样本学习场景落地：针对标注数据稀缺、新类别冷启动场景，运用半监督学习、Few-shot、LoRA微调、数据增强、迁移学习等方案，降低标注成本，保证模型在小样本场景下的效果。
4.模型工程化与上线：使用PyTorch进行模型开发、训练、评估；设计离线实验流程，做A/B实验；模型压缩、推理优化，对接推理服务，保障线上模型性能、延迟与稳定性；沉淀算法组件、特征和实验平台。
5.业务与技术迭代：深入理解业务痛点， 与测试人员设计合理评估指标；跟踪深度学习、NLP、时序建模前沿技术，完成POC验证；和数据、后端、产品协作，推动算法方案落地，持续复盘优化模型效果。

任职要求：

1.211/985硕士及以上学历，计算机、自动化、统计、人工智能等相关专业，3年及以上深度学习算法落地经验。
2.扎实机器学习、深度学习基础，熟悉各类经典模型原理；熟练使用PyTorch，具备完整模型训练、调参、评估经验。
3.有文本分类、时序预测、用户画像建模至少两项项目落地经验；熟悉特征工程、样本构建、模型评估、A/B实验流程。
4.具备小样本/冷启动场景建模实战经验，掌握迁移学习、半监督、大模型微调等技术。
5.良好工程能力：熟练Python，熟悉数据处理；了解模型上线、推理优化基本流程，能独立完成算法项目闭环。

加分项：
1.熟悉预训练模型（BERT、RoBERTa等），有大模型微调、Prompt工程、模型蒸馏实战经验。
2.熟悉TimesNet、TFT、TCN等时序深度学习模型，做过业务指标预测、时序异常检测项目。
3.有用户表征、图学习在用户画像/人群挖掘上的落地经验。
4.熟悉向量检索、特征平台、机器学习平台，有大规模离线特征处理经验。
5.有顶会论文、开源项目，或在竞赛中取得成绩优先。