中国远洋运输集团
人工智能研发岗
人工智能研发岗
发布于 5 个月前普通员工/个人贡献者
广州市
初级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
数据仓库
数据库优化
机器学习
深度学习
PyTorch
SQL
TensorFlow
AI 估算 · 18k–28k
岗位要求全栈AI与大数据技能，技术门槛高，且位于一线城市广州，大型上市企业平台提供有竞争力的薪酬。
职位详情
关于这个职位
这是一个在大型跨国企业的人工智能研发岗位，主要负责从数据到模型的全链路工作
你将负责数据库设计、数据仓库建设、数据清洗与分析，并运用机器学习、深度学习技术开发与优化预测模型，最终将模型部署上线，服务于公司的实际业务需求
最低要求
大学本科及以上学历，人工智能、计算机技术等相关专业
熟悉SQL、Python、JAVA、C++等主流计算机开发语言
了解PostgreSQL、MySQL、oracle、达梦、人大金仓等市面上通用数据库
熟悉机器学习、神经网络和深度学习算法，掌握TensorFlow、PyTorch等深度学习框架，熟悉 Mathlab等数学建模软件
熟悉数据采集、清洗、存储和建模的流程和工具，具备大数据处理和分析能力，熟练使用Hadoop、Spark、Kafka等大数据技术
有较强的学习能力、沟通能力、逻辑思维能力和团队合作精神
工作职责
负责公司业务数据库设计、开发、数据收集、预处理、清洗、存储和分析的算法和工具，确保数据的准确性和实时性
负责选择合适的数据库和数据仓库技术整合多源数据，建立统一的数据仓库存储和管理数据，设计数据存储优化策略，提高数据访问效率
负责设计机器学习模型方案，进行数据建模，开发分类模型和预测模型，进行模型训练、优化和部署，分析模型性能，进行模型调优，提高模型的准确性和鲁棒性
完成上级交办的其他工作任务
优先资格
具有人工智能、机器学习、数据库优化策略或自然语言处理相关项目或比赛获奖经验的优先
AI 洞察
优缺点分析
优点
- 技术栈全面：覆盖数据工程、机器学习、大数据平台，有利于构建完整的技术视野和能力体系
- 行业平台优势：在大型上市集团的实体业务场景中应用AI，项目价值高，经验认可度强
- 技能复合性强：同时锻炼数据处理和模型研发能力，是市场上稀缺的“AI+数据”复合型人才
- 业务理解门槛：AI模型需要与复杂的航运物流业务紧密结合，初期理解业务逻辑需要时间
- 适合对数据充满好奇、热衷于用算法解决实际业务问题，并希望在大平台积累全链路AI项目经验的求职者
缺点 / 挑战
- 技术广度与深度要求高：需要同时精通数据平台建设和AI模型开发，学习压力和持续更新要求大
- 成果交付压力：从数据治理到模型上线，全链路负责，对项目的最终效果和性能负有直接责任
角色解读
- 技术专家路径：深耕AI算法与大数据架构，可成长为高级算法工程师、数据科学家或架构师
- 业务融合路径：在深入理解航运物流业务后，可转向AI产品经理或技术管理岗位，负责AI战略落地
- 负责设计和开发数据基础设施，包括数据库、数据仓库，并优化数据存储与访问策略
- 运用机器学习与深度学习技术，从数据建模、模型训练到性能调优与部署，完成端到端的AI解决方案开发
- 处理多源异构数据，进行数据采集、清洗、预处理和分析，为模型提供高质量的数据基础
- 精通Python、SQL等编程语言，并熟悉TensorFlow、PyTorch等主流AI框架进行模型开发
- 掌握从关系型数据库到大数据生态（如Hadoop, Spark）的全套数据处理与分析技术栈
- 具备扎实的机器学习、深度学习算法理论基础和实际建模、调优能力
申请策略
- 提前研究中国远洋运输集团的主要业务板块，思考AI技术可能在航运、物流、供应链等场景的应用点
- 在沟通中展现出对将技术应用于传统行业转型的兴趣和思考，这能体现你的业务敏感度
- 重点展示与数据仓库建设、ETL流程或大数据平台相关的项目经验，体现实操能力
- 详细描述1-2个完整的机器学习项目，突出你在数据预处理、模型选型、训练调优和评估部署中的角色与贡献
- 如有数据库性能优化、算法比赛获奖或相关实习经历，务必清晰列出并量化成果
- 若对达梦、人大金仓等国产数据库不熟，可提前了解其特性和与主流数据库的异同
- 强化对Hadoop、Spark生态组件的原理和实战应用的理解，特别是与数据清洗、特征工程相关的部分
- 准备1-2个能体现你解决复杂问题逻辑思维能力的案例，用于应对行为面试
面试指南
- 对于技术问题，采用“情境-任务-行动-结果”(STAR)原则来组织答案，清晰阐述背景、你的角色、具体行动和可量化的成果
- 对于场景题（如模型过拟合），展示系统性的排查思路：检查数据质量、验证特征工程、调整模型复杂度、尝试正则化方法等，并说明选择某一种方法的原因
- 请详细介绍一个你参与过的、涉及数据清洗和建模的完整项目
- 如果遇到模型在训练集上表现很好但测试集上很差，你会如何排查和解决？
- 在构建数据仓库时，你是如何设计表结构以平衡查询效率和存储成本的？
- 请举例说明你如何使用Spark或Hadoop处理过大规模数据集
- 你如何看待AI技术在传统航运业中的应用前景？
- 深入复习机器学习基础算法、深度学习常见网络结构及其适用场景，并准备好TensorFlow/PyTorch的实战代码示例
职位点评
中国远洋运输集团 的其他在招职位
相似职位推荐
Watch Jobs