机器学习算法工程师

职位介绍我们正在招聘一位机器学习算法工程师，参与公司AI产品核心算法能力的优化、迭代和业务落地。公司目前主要应用方向为AI矿产勘探与地学数据分析，涉及多源数据建模、预测图生成、异常识别、区域评分、模型评估和结果解释等任务。该岗位希望候选人能够面向真实业务问题，系统性参与数据理解、标签分析、特征工程、模型训练、效果评估、误差分析和模型优化，持续提升模型在实际场景中的准确性、稳定性、泛化能力和可解释性。我们希望候选人具备矿产、地质、遥感、GIS、空间数据等相关领域经验，但上述经验并非硬性要求。相比单一行业背景，我们更看重候选人的机器学习建模能力、问题拆解能力、模型优化能力和工程落地能力。岗位职责1.负责公司机器学习模型的训练、评估、优化和迭代，提升模型在真实业务场景中的准确性、稳定性、泛化能力和可解释性。2.根据业务问题设计建模方案，包括预测目标理解、样本构建、标签检查、特征工程、模型选择、评估指标设计和误差分析。3.使用机器学习、深度学习、统计学习等方法，解决分类、回归、排序、异常检测、区域评分、概率预测等建模问题。4.负责多源数据的建模分析，包括结构化数据、空间数据、图像数据、文本数据或其他业务数据。5.构建和维护可复用的数据处理、特征工程、模型训练和模型评估流程，提升算法研发效率和模型交付质量。6.对模型结果进行解释和分析，识别模型效果不佳的原因，并提出数据、特征、算法或评估方式上的改进方案。7.将模型输出转化为可用于产品展示、项目分析和业务决策的结果。8.与产品、后端、前端、数据和业务团队协作，推动算法能力在公司AI产品和实际项目中的落地应用。9.跟踪机器学习、深度学习、多模态建模、空间智能等方向的新方法，并结合公司业务需求进行应用探索。任职要求1.及以上，计算机、人工智能、数学、统计学、数据科学、软件工程、遥感、GIS、地质、资源勘查等相关专业均可。2.具备3年及以上机器学习、数据建模或算法工程相关经验，有真实业务项目建模经验者优先。3.熟练使用Python，具备良好的数据处理、特征工程、模型训练和实验分析能力。4.熟悉常用机器学习算法，包括但不限于LogisticRegression、RandomForest、XGBoost、LightGBM、SVM、聚类、异常检测、集成学习等。5.熟悉至少一种深度学习框架，如PyTorch、TensorFlow、Keras等，能够完成模型训练、调参、评估和优化。6.理解机器学习建模的完整流程，具备完整的机器学习建模思维，能够系统分析数据、标签、特征、模型、验证方式和误差来源，并持续优化模型效果。7.能够根据业务问题选择合适的建模方法，而不是简单套用模型或盲目追求复杂算法。8.具备较好的工程实现能力，能够将算法实验整理为稳定、可复用、可维护的代码流程。9.具备良好的沟通能力和问题拆解能力，能够与非算法背景的团队成员沟通模型逻辑、结果含义和优化方向。加分项1.有成熟业务场景中的模型优化、模型效果提升、模型泛化评估或算法系统维护经验者优先。2.有预测、评分、*、异常检测、风险评估、图像识别、时序预测等项目经验。3.有特征工程、模型融合、AutoML、模型解释性、不确定性评估、概率建模经验。4.有图像、遥感、GIS、空间数据、地图数据、地学数据、自然资源、工业数据等相关项目经验。5.熟悉UNet、CNN、Transformer、TabNet、GraphNeuralNetwork、多模态模型等方法者优先。6.有算法工程化经验，包括模型服务化、批处理任务、实验管理、模型版本管理、自动化训练流程等。7.有算法方案设计、核心算法模块负责或小团队技术带领经验者优先。我们希望你1.不只是会调用模型，而是能理解一个问题应该如何被建模、验证和持续优化。2.能从业务目标和模型结果出发，判断模型效果是否真的可用，而不是只关注单一指标。3.能接受复杂、不完美、不标准的数据环境，并能设计稳定、可迭代的建模流程。4.对AI在传统行业中的落地有兴趣，愿意结合真实业务反馈持续提升算法效果和产品价值。
联系我时，请说是在58同城上看到的，谢谢！