专业
云计算、智算、人工智能相关专业
学历
硕士研究生及以上
学位
硕士及以上
有关要求
一、基本要求：
1、具备3年以上AI算法研究经验；
2、具备3年以上AI模型开发、部署相关工作经验：
3、年龄要求45以下；
4、具有以下AI高级工程师认证之一或同等级别认证：
1）阿里云ACP大模型高级工程师认证；
2）华为 HCIE-AI 认证
3）CAIE 注册人工智能工程师（LEVEL Ⅱ）认证；
4）华为 HCIE-AI 认证；
5）谷歌 TensorFlow 开发者认证；
6）AWS 机器学习专项认证。
二、技能要求:
1、具有深厚的数理及算法基础
1）深入理解梯度下降、矩阵运算、优化理论、贝叶斯理论等；
2）精通各种经典算法和数据结构，并能分析算法的效率和可扩展性；
2. 精通核心AI理论与模型知识
1）精通各种模型的原理、假设、优缺点和适用场景，如线性模型、树模型、SVM、聚类等；
2）精通神经网络的各种架构，如CNN, RNN, Transformer, GAN等；精通训练技巧，如防止过拟合、优化器选择；熟悉前沿模型，如BERT, GPT, Diffusion Models等；
3）根据方向不同，还需精通以下模型之一：
①计算机视觉（CV）：图像处理、目标检测、图像生成；
②自然语言处理（NLP）：词嵌入、序列建模、大语言模型（LLM）的微调与应用；
③强化学习（RL）：智能决策、自动驾驶、机器人控制等领域的核心；
④图神经网络（GNN）：用于知识图谱、社交网络、推荐系统。
3. 精通强大的工程实现能力
1）精通Python是必须的。同时通常需要掌握C++（高性能计算）、Java/Scala（大数据生态）或Go等。
2）精通至少一个主流深度学习框架，如 PyTorch 或 TensorFlow，并理解其底层机制。
3）能够处理海量数据，精通Hadoop, Spark, Hive, Flink等大数据工具。
4）精通分布式训练原理，如数据并行、模型并行，精通GPU/TPU/NPU等硬件加速技术，能进行模型优化和部署。
5）能将模型部署到生产环境，熟悉Docker, Kubernetes, TensorRT, ONNX等工具，关注模型的监控、更新和生命周期管。
4.卓越的问题解决与沟通能力
1）面对模型效果不佳、训练不稳定、线上表现差等问题时，能系统地分析原因，如数据问题、特征问题、模型问题、代码bug等，并找到解决方案。
2）拥有极强的自学能力，能快速吸收新知识并应用于实践。
3）能够与非技术背景的产品经理、业务方、管理者有效沟通，理解需求，并解释技术方案的可行性和局限性。能与团队高效协作。
4）能够深入理解所在行业的业务逻辑、痛点和发展趋势，如金融风控、医疗影像、广告推荐、自动驾驶等，可带领团队做出最有价值的技术方案。