崗位職責(zé):
1. 教育背景 - 計(jì)算機(jī)科學(xué)、人工智能、數(shù)學(xué)、電子工程等相關(guān)專業(yè)優(yōu)先考慮。
2. 工作經(jīng)驗(yàn) - 有[1]年以上AI領(lǐng)域工作經(jīng)驗(yàn)者優(yōu)先,優(yōu)秀應(yīng)屆畢業(yè)生若有相關(guān)項(xiàng)目經(jīng)驗(yàn)也可考慮。
技能要求
1. AI開(kāi)源技術(shù)研究與應(yīng)用 - 熱愛(ài)研究AI開(kāi)源技術(shù),對(duì)開(kāi)源社區(qū)有深入的了解,如熟悉常見(jiàn)的開(kāi)源項(xiàng)目、社區(qū)文化和協(xié)作模式。 - 能夠熟練掌握并深入分析至少一種主流的AI開(kāi)源框架(如TensorFlow、PyTorch等),了解其架構(gòu)、算法原理及優(yōu)化策略。 - 具備將AI開(kāi)源技術(shù)實(shí)際應(yīng)用到具體項(xiàng)目中的能力,包括但不限于數(shù)據(jù)處理、模型構(gòu)建、訓(xùn)練和優(yōu)化等環(huán)節(jié)。 - 有成功的開(kāi)源項(xiàng)目貢獻(xiàn)經(jīng)驗(yàn)(如提交代碼、解決問(wèn)題、參與文檔編寫等)者優(yōu)先。
2. RAG、Agent與LLaMA 3知識(shí) - 深入理解RAG(檢索增強(qiáng)生成)技術(shù),包括其原理、優(yōu)勢(shì)以及適用場(chǎng)景,能夠構(gòu)建和優(yōu)化RAG系統(tǒng)。 - 熟悉Agent(智能體)概念和相關(guān)技術(shù),了解Agent的架構(gòu)設(shè)計(jì)、決策機(jī)制以及在不同任務(wù)中的應(yīng)用方式。 - 對(duì)LLaMA 3有深入的了解,包括其模型結(jié)構(gòu)、預(yù)訓(xùn)練方法、微調(diào)技術(shù)以及與其他模型相比的特點(diǎn),能夠進(jìn)行基于LLaMA 3的模型部署與應(yīng)用開(kāi)發(fā)。
3. 部署與轉(zhuǎn)化能力 - 熟練掌握將AI模型部署到不同環(huán)境(如云平臺(tái)、本地服務(wù)器、邊緣設(shè)備等)的技術(shù),熟悉相關(guān)的部署工具和框架(如Docker、Kubernetes等)。 - 能夠針對(duì)實(shí)際業(yè)務(wù)需求,將AI技術(shù)成果轉(zhuǎn)化為可落地的產(chǎn)品或服務(wù),具備從原型到產(chǎn)品化的全流程經(jīng)驗(yàn)者優(yōu)先。 - 了解模型優(yōu)化在實(shí)際部署中的重要性,掌握模型量化、剪枝等優(yōu)化技術(shù)以提高模型在特定硬件上的運(yùn)行效率。