1.项目执行与算法研发：参与 AI 项目的需求调研、可行性评估与技术方案设计；负责端到端 的算法研发：从数据探索、特征工程到模型训练与评估；按照项目计划完成算法开发和模型 迭代优化任务 及时识别并反馈技术风险，配合推进项目落地；输出高质量技术方案文档、算法设计文档和 专利申请材料 2.数据体系建设：负责工业数据的采集、清洗、标注、存储全链路建设；设计并实现高效的 数据获取管道，对接 MES、SCADA 等工业系统；构建可复用的数据集管理平台和数据版本 控制机制；建立数据质量监控体系，确保训练数据的准确性和完整性 3.模型开发与优化：负责传统机器学习模型和深度学习模型的开发、训练与调优；负责大模 型（LLM）在制造场景的落地应用：智能问答、文档解析、代码生成等；开发智能体（Agent） 应用：任务规划、工具调用、多轮对话、自主决策；探索多模态 AI 技术（视觉+语言）在工 业良率根因分析、设备监控等场景的应用；持续跟踪 SOTA 技术，推动算法创新和性能提升 4.模型部署与工程化：负责 AI 模型在边缘设备的高效部署与性能优化；搭建高可用、低延迟 的模型推理服务架构；实现模型自动化部署流水线（MLOps），支持 A/B 测试和灰度发布； 监控模型线上运行状态，设计模型漂移检测和自动更新机制；解决边缘设备资源受限场景下 的推理性能瓶颈 5.技术支持与知识沉淀：为产线工程师提供 AI 技术培训和问题排查支持；编写算法开发规 范、API 文档、使用手册等知识资产；主导技术分享和 Code Review，提升团队整体技术水 平；参与 AI 平台能力建设，推动算法组件化和工具链完善

1.本科以上学历，计算机科学与技术、人工智能、软件工程、电子信息、自动化等相关专业。 2.具有 1-3 年 AI 算法开发或相关领域工作经验,有大模型实际落地项目经验者或有工业制造 场景应用经验者优先。 3. 核心技术能力： 3.1 编程开发与工程化能力：熟练掌握 Python 编程语言，PyTorch、TensorFlow、Keras 等主 流深度学习框架；熟悉 MLflow、Weights & Biases 等实验管理工具；了解 ONNX、TensorRT、 vLLM 等推理加速框架；具备 Git 版本控制、CI/CD 流程和 Linux 开发环境经验 3.2 机器学习与深度学习能力：熟悉经典机器学习算法,掌握深度学习网络结构:CNN（ResNet、 EfficientNet）、RNN/LSTM、Transformer（BERT、GPT 系列）了解图神经网络（GNN）、强化 学习（RL）基础原理；具备特征工程、超参数优化（Optuna、Ray Tune）、模型集成与融合 经验；熟悉模型可解释性方法：SHAP、LIME 等 3.3 大模型应用与智能体开发：掌握大语言模型（LLM）原理：注意力机制、Tokenization； 具备智能体（Agent）开发经验，熟悉 ReAct、CoT、ToT 等推理范式；了解 LangChain、 LlamaIndex、AutoGPT 等 Agent 开发框架；掌握 RAG（检索增强生成）架构：向量数据库 （FAISS、Milvus、Pinecone）、Embedding 模型；熟悉大模型微调技术：LoRA、QLoRA、Prefix Tuning、P-Tuning；具备多模态大模型（VLM）应用经验者优先 3.4 数据处理与特征工程能力：精通 SQL（MySQL、PostgreSQL）和 NoSQL（MongoDB、 Redis）数据库操作；熟悉数据标注工具：LabelImg、CVAT、Label Studio 等；具备数据质量 评估、异常检测、数据增强经验 3.5 模型部署与边缘计算能力：熟悉容器化部署：Docker、Kubernetes、Helm；了解模型服 务化 Triton Inference Server、TorchServe、FastAPI、Flask；了解模型优化技术：量化 （INT8/FP16）、剪枝、知识蒸馏 4. 综合能力：具备优秀的技术文档撰写能力和跨团队沟通协作能力；能够阅读英文技术论 文，跟踪 NeurIPS、ICML、CVPR 等顶会最新动态 5. 其他要求：有半导体、光模块行业实际缺陷检测项目经验者优先，具备良好的抗压能力。