高级ai算法工程师

一、核心技术要求1. 预测模型算法能力精通传统机器学习预测模型：线性回归、逻辑回归、决策树、随机森林、梯度提升树（XGBoost/LightGBM/CatBoost）、支持向量机（SVM）等，能根据业务场景选择*优模型并优化。掌握深度学习预测模型：时间序列预测（LSTM/GRU/Transformer/TemporalFusionTransformers）、回归/分类任务的深度神经⽹络（DNN）、图神经⽹络（GNN）⽤于关联预测等，有实际落地项目经验。具备模型全生命周期管理能⼒：从数据预处理、特征工程、模型训练、超参数调优（GridSearch/BayesianOptimization）、模型评估（MAE/MSE/RMSE/Accuracy/Precision/Recall/F1/AUC等指标）到部署上线（TensorFlowServing/TritonInferenceServer）的全流程经验。2. 数据敏感度与数据处理能力极强的数据洞察能力：能从海量数据中发现异常、趋势及潜在关联，通过数据校验、异常值检测（3σ法则、IQR、IsolationForest等）保障数据质量。熟练掌握特征工程技术：包括特征提取（PCA/LDA/TSNE）、特征选择（Filter/Wrapper/Embedded方法）、特征构建（交叉特征、时序特征等），能通过特征优化提升模型效果。精通数据处理工具：熟练使用Python（Pandas/Numpy/Scipy）、SQL（复杂查询、索引优化、分库分表）处理结构化/非结构化数据，熟悉Hadoop/Spark等大数据框架者优先。3. 工程实现与工具栈熟练使用机器学习框架：TensorFlow/PyTorch/Sklearn/TensorFlowProba*lity（概率预测场景）。掌握模型部署与监控：熟悉Docker容器化部署，能搭建模型监控体系（性能监控、效果漂移检测），有云平台（AWS/Azure/阿里云/腾讯云）AI模型部署经验者优先。具备代码工程能力：良好的代码规范，熟悉Git版本控制，能编写可复用的模型训练、推理脚本，有CI/CD实践经验者优先。了解XGBoost模型和LightGBM回归模型二、与经验要求，计算机科学、数据科学、统计学、应用数学等相关专业。经验：3年AI预测模型相关工作经验，有金融风控、用户增长、供应链预测、医疗诊断等垂直领域预测模型落地经验者优先。三、岗位要求具备较强的业务理解能力，能将业务问题转化为AI预测模型问题。良好的沟通协调能力，能与业务、开发团队高效协作。严谨的逻辑思维和问题排查能力，对数据异常和模型效果波动能快速定位原因并优化。
联系我时，请说是在58同城上看到的，谢谢！