中国平安
算法工程师（应用方向）
算法工程师（应用方向）
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
深度学习
PyTorch
TensorFlow
XGBoost
大模型
MCP
传统机器学习
lightGBM
AI 估算 · 25k–45k
大厂算法岗，深圳2年以上经验，结合技能要求高，薪资有竞争力。
职位详情
关于这个职位
该职位负责传统机器学习、深度学习及大模型算法的研发与落地，需结合业务场景设计解决方案，并参与大数据处理、模型训练推理全链路
适合有2年以上算法经验、熟悉多种模型框架并希望深耕算法应用的工程师
最低要求
必备条件：
计算机、数学、人工智能等相关专业硕士及以上学历，2年以上算法研发与工程落地经验
扎实且全面的机器学习基础：深入理解传统机器学习/深度学习算法的原理、适用场景及优缺点，熟悉常见的模型训练/推理优化技术
熟悉大数据处理技术，包括hive,spark,hbase等，具有对数据加工过程的调优能力
具备丰富的算法库使用经验，熟练掌握PyTorch、TensorFlow等至少一种主流深度学习框架，以及scikit-learn，lightgbm，xgboost等传统机器学习库，具备对这些模型的训练、微调、推理、部署的实践经验
具备主流大模型的使用经验，以及对相关技术的实操经验，包括mcp,skill,(多)agent研发等
具备良好的逻辑思维、沟通协作能力和技术领导力，能独立主导复杂项目，并能在模型选型上做出合理权衡
工作职责
岗位职责：
负责传统机器学习、深度学习及大模型相关算法的研究、实现、调优与部署
能够针对实际问题，灵活运用和融合传统机器学习/深度学习模型，设计高效的解决方案
参与大数据的加工、调优、部署等工作
了解大模型微调、部署等工作，能根据具体业务，结合大模型研发相关的mcp、skill、agent等
构建高可扩展、高效率的算法工程体系，解决从数据处理、特征工程、模型训练到线上推理的全链路挑战
跟踪业界前沿技术，并结合业务需求进行技术选型与创新落地
与产品、业务团队紧密合作，推动算法技术在实际场景中创造价值
AI 洞察
优缺点分析
- 大厂平台，技术栈前沿（传统ML+大模型），能接触海量数据与真实业务场景
- 技能积累全面，涵盖机器学习、深度学习、大数据、大模型，提升综合竞争力
- 平安作为金融科技巨头，业务稳定，技术投入大，有较好的职业发展空间
- 技术广度和深度要求高，需要同时掌握传统ML和大模型，学习曲线陡峭
- 金融行业对算法效果和稳定性的要求严格，开发周期可能较长
- 大厂内部竞争激烈，需要持续跟踪前沿技术并快速落地
- 适合有2年以上算法经验、希望在大平台打磨技术并参与大模型应用落地、能接受较高技术挑战的工程师
角色解读
- 纵向发展：从算法工程师成长为技术专家或架构师，主导核心算法方向
- 横向发展：转向AI产品经理或技术管理岗，负责算法团队与业务落地
- 行业拓展：在金融科技领域深耕，成为细分领域（如风控、推荐）的权威
- 研究并实现传统机器学习、深度学习及大模型算法，根据业务问题设计高效解决方案
- 参与大数据加工与调优，构建从数据到模型训练推理的全链路工程体系
- 结合业务需求研发大模型的MCP、Skill、Agent等组件，推动技术落地
- 与产品、业务团队协作，确保算法在场景中创造实际价值
- 扎实的机器学习理论基础，熟悉传统模型与深度学习原理及优化技术
- 熟练使用PyTorch或TensorFlow，以及scikit-learn、XGBoost等库
- 掌握大数据处理技术（Hive、Spark、HBase），具备数据调优能力
- 了解大模型微调与部署，有MCP、Agent等研发经验
申请策略
- 准备1-2个与金融或风控相关的算法案例，体现业务理解能力
- 面试前了解平安的AI战略方向，如金融云、智慧城市等
- 突出深度学习和大模型相关项目经验，尤其是从数据处理到部署的全链路实践
- 强调大数据平台（Hive、Spark）的使用经验和调优案例
- 展示独立主导复杂算法项目的能力，以及在模型选型上的决策过程
- 补充大模型微调（如LoRA）和Agent开发（如LangChain）的实操经验
- 加深对传统树模型（XGBoost、LightGBM）工程化部署的理解
面试指南
- STAR法则：描述情境、任务、行动、结果，突出个人贡献和技术难点突破
- 技术选型时：从场景特点、数据量、实时性要求、可解释性等维度展开，体现权衡能力
- 团队协作：强调沟通方式、需求对齐、迭代反馈等实践
- 请描述一个你主导的机器学习项目，从数据预处理到模型上线的全流程
- 传统机器学习（如XGBoost）和深度学习（如CNN）分别适合什么场景？你如何做技术选型？
- 你了解大模型微调吗？请介绍LoRA的原理和应用
- 在Spark上进行特征工程时，如何优化数据倾斜问题？
- 请举例说明你如何与业务团队协作推动算法落地
匹配度报告
70
综合匹配度
大厂算法岗，前沿技术栈，薪资不错但WLB一般。
适合人群
适合追求技术成长和薪资回报、能接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展85
工作生活50
使命价值65
薪资福利匹配
80较高
大厂算法岗薪资水平较高，且平安提供稳定的福利（如五险一金、年终奖），但JD未明确具体薪资，综合判断补偿动机满足度较好。
薪资信号面议 (25K-45K/月)
成长发展匹配
85较高
技术栈涵盖传统ML、深度学习和前沿大模型，项目涉及全链路工程，有利于提升综合能力，但JD未明确晋升通道，发展动机得分较高。
技术前沿前沿/新兴技术
技术栈传统机器学习、深度学习、大模型、PyTorch、TensorFlow、Spark、Hive、MCP、Agent
业务类型profit_center
工作生活匹配
50较低
JD未提及远程办公或弹性工时，且深圳大厂通常加班较多，生活化动机满足程度一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
65中等
金融科技行业稳定，但JD未强调社会价值或使命感，意义感动机中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs