AI项目经理 岗位重点：2-3w*13（薪资先不管）看有PMP或者CPMP的人！ AI岗： 1、薪资以个税APP的为准，如果说企业给避税的这种候选人不考虑 2、学历上推荐点好点儿的，虽然说全日制本科就OK，起码也要能拿得出手的本科 3、这个岗位会有二轮面试，如果有三轮就是终试，终试是董事长 4、薪资可谈，但年薪超50万/年（现金），则平薪，30万≤薪资≤50万，提升原则上不超10%； 5.年龄44岁下。 一、岗位要求 1. 负责 AI 产品的规划、设计和项目推进，建立高效的 AI 产品开发团队，确保团队成员之间的良好协作和高效沟通； 2. 与业务部门、客户及其他利益相关部门密切合作，深入理解业务需求，梳理并分析具体的 AI 项目目标，为产品的创新和优化提供方向； 3. 通过不断试验和优化参数，持续进行模型算法改进，增加数据的多样性、规模性、准确性； 4. 完成领导安排的其他临时工作。 二、任职资格 1. 本科及以上学历，计算机科学、人工智能、软件工程、数据科学、项目管理等相关专业； 2. 具有 5 年以上项目管理经验，其中至少 3年 AI 项目管理经验，有成功领导和交付完整 AI 项目的经验，熟悉 AI 项目的常见技术架构和开发流程； 3. 熟悉 AI 技术和行业发展趋势，了解常见的 AI 算法和模型，如机器学习、深度学习、自然语言处理等； 4. 具备出色的沟通协调能力和项目推进能力，能够与不同部门和外部合作伙伴进行有效的沟通和合作。

AI项目总工（人工智能高级工程师） AI事业部是新部门，目前没有人员 汇报上级：副总裁（HR&知识共享中心） 岗位重点：25-35w*13（薪资先不管）看有PMP或者CPMP的人！AI岗： 1、薪资以个税APP的为准，如果说企业给避税的这种候选人不考虑 2、学历上推荐点好点儿的，虽然说全日制本科就OK，起码也要能拿得出手的本科 3、这个岗位会有二轮面试，如果有三轮就是终试，终试是董事长 4、薪资可谈，但年薪超50万/年（现金），则平薪，30万≤薪资≤50万，提升原则上不超10%； 5.年龄44岁下。 一、岗位要求 1.负责公司技术团队的管理与指导，确保团队成员能够高效协作，达成项目目标； 2. 制定并执行技术战略规划，推动技术创新与改进，以适应项目长期发展和不同业务场景的需求； 3。监控系统性能，及时发现并解决技术问题，确保系统的稳定运行- 与业务部门紧密合作，理解业务需求，制定相应技术解决方案； 4.负责审核和指导项目技术文档的编写，关注项目中的知识产权问题，指导团队进行专利挖掘和申请工作，保护项目的核心技术和创新成果； 5.开发培训材料和课程，针对不同用户群体做产品培训。 二、任职要求 1.本科及以上学历（硕士更好），计算机科学、人工智能、机器学习、数据科学等相关专业； 2.具有 5年以上 AI 技术研发经验，其中至少 3年担任技术领导或类似高级技术职务的经验者优先考虑； 3. 有多个成功的 AI 项目技术架构设计和开发经验，熟悉不同类型 AI 项目（如视觉、语音、自然语言处理等）的技术特点和流程者优先考虑； 4.具备扎实的编程能力，熟悉 Python、Java 等主流编程语言；掌握数据结构、算法设计等计算机基础知识； 5.具有出色的系统架构设计能力和技术选型能力，能够从全局角度设计复杂的 AI 系统架构。 制造业 AI 部门管理者需要多方面的经验，以下是在管理、技术和项目方面的详细介绍： 管理经验 团队建设与人员管理：了解如何招聘、培养和留住 AI 专业人才，包括数据科学家、算法工程师、软件开发工程师等。能够根据项目需求组建合适的团队结构，明确各成员的职责和分工，促进团队成员之间的良好沟通与协作。例如，定期组织团队建设活动，增强团队凝聚力；建立公平合理的绩效评估体系，激励员工发挥潜力。 资源管理：有效管理部门的预算、硬件设备和软件工具等资源。合理分配资源以满足不同项目的需求，同时确保资源的高效利用，避免浪费。比如，根据项目优先级分配服务器等计算资源，制定预算使用计划以控制成本。 目标设定与战略规划：依据企业的总体发展战略，为 AI 部门制定清晰、可衡量的短期和长期目标。这些目标要与制造业业务紧密结合，能够指导部门的工作方向和重点。例如，确定在一定时间内提高某一生产环节的效率的具体百分比作为目标。 流程优化与规范制定：建立和完善部门内的工作流程，包括数据处理流程、模型开发流程、项目交付流程等。确保工作流程的科学性和高效性，提高工作质量和效率。比如，制定数据标注的标准流程，规范模型上线前的测试环节。 技术经验 AI 核心技术理解：对机器学习、深度学习、计算机视觉、自然语言处理等 AI 核心技术有深入的理解。熟悉各种算法的原理、应用场景和优缺点，能够指导团队选择合适的技术解决实际问题。例如，知道在产品质量检测场景中，哪种计算机视觉算法更适合检测特定类型的缺陷。 数据处理与管理技术：掌握数据收集、清洗、标注、存储和管理的技术。了解如何处理制造业中的海量、多源异构数据，确保数据质量，为 AI 模型训练提供高质量的数据支持。比如，懂得如何利用传感器网络收集生产设备运行数据，并对其进行清洗和预处理。 模型开发与部署技术：具备 AI 模型开发、训练、评估和优化的实践经验。同时，熟悉将模型部署到生产环境中的技术，包括与现有制造系统的集成方法。例如，知道如何将训练好的预测性维护模型部署到生产线的控制系统中。 相关工具和平台使用：熟练使用常用的 AI 开发工具和平台，如 TensorFlow、PyTorch、Scikit - learn 等，以及与制造业相关的数据采集和分析平台、自动化控制系统等。例如，利用 TensorFlow 搭建深度学习模型进行生产效率预测。 项目经验 项目全流程管理：拥有从项目启动、规划、执行、监控到收尾的完整项目管理经验。能够制定详细的项目计划，合理安排项目进度，及时识别和解决项目中的问题和风险。例如，在实施一个基于 AI 的智能仓储项目中，把控项目各个环节的时间节点和质量。 跨部门协作项目经验：制造业 AI 项目通常涉及多个部门，如生产部门、质量控制部门、IT 部门等。管理者需要有丰富的跨部门协作项目经验，能够协调各方利益，推动项目顺利进行。比如，在 AI 质量检测项目中，与质量控制部门合作确定检测标准，与生产部门协调数据采集的时间和方式。 项目类型多样化经验：包括新产品研发中的 AI 应用项目、生产流程优化项目、质量提升项目、供应链管理项目等不同类型的项目经验。了解不同类型项目的特点和难点，能够灵活应对各种项目需求。例如，在新产品研发项目中利用 AI 进行设计优化，在供应链项目中运用 AI 预测需求。