中国平安
机器学习工程师
机器学习工程师
发布于 大约 17 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
机器学习
PyTorch
SQL
TensorFlow
LLM
医疗健康
AI 估算 · 25k–45k
AI算法工程师薪资高，平安大厂平台，技术要求前沿，市场竞争力强。
职位详情
关于这个职位
作为平安的机器学习工程师，你将运用AI和大数据技术解决保险与医疗健康领域的实际问题，包括数据建模、算法开发与模型部署
该职位注重前沿技术（如大语言模型LLM）在业务中的应用，适合有5年以上经验、熟悉深度学习框架和数据处理流程的算法专家
最低要求
计算机/人工智能/数学/医学相关专业硕士及以上学历
5年以上AI算法开发经验，熟悉PyTorch/TensorFlow框架，具备大模型（LLM）微调优化实战能力
精通Python/SQL编程，掌握Hadoop/Spark等大数据工具，具有分布式计算与数据平台研发经验
具备扎实的算法基础理论，精通主流的机器学习算法（如SVM、随机森林）等
深入理解机器学习全流程（数据准备-建模-部署-监控），熟悉常见算法及医疗数据特征工程
掌握LLM技术原理（Agents/RAG/LangChain等），能结合业务需求设计AI应用方案并验证效果
工作职责
理解保险业务+医疗健康领域的智能应用需求，设计并应用各类数据科学和AI应用技术方案，提升业务效能
负责具体的算法设计与开发，利用算法处理和分析保险业务流程和医疗健康数据，实现工程化落地
跟踪深度学习前沿技术（如LLM、多模态应用），将创新方法融入模型训练，持续提升性能与业务适配性
与工程团队协作完成模型部署，支持生产环境落地，并基于业务反馈迭代优化模型
主导数据开发全流程（ETL、数据建模、仓库设计），编写高效SQL代码，优化数据库性能与数据处理效率
负责数据清洗、挖掘及可视化，结合LLM等AI技术提升数据平台智能化水平，赋能业务决策
分析医疗研发业务场景，挖掘AI提效机会（如保险控费、健康管理、精算分析），设计算法解决方案并推动落地
优先资格
具备医疗健康领域项目经验，熟悉医疗健康等业务场景及数据特点者优先
计算机医学交叉学科背景优先，具备英语科技文档阅读能力，医疗相关从业经验优先
AI 洞察
优缺点分析
- 技术前沿：涉及LLM、多模态等最新AI技术，有利于个人技术品牌积累
- 公司平台大：平安是上市公司，资源丰富，项目落地机会多，稳定性高
- 行业前景好：保险+医疗健康是刚需领域，AI应用空间广阔，社会价值高
- 薪资水平有竞争力：资深AI工程师在大厂通常有较好薪酬待遇
- 工作强度可能较大：涉及全流程开发和业务对接，需应对快速迭代的业务需求
- 技术门槛高：需要同时掌握算法、大数据和工程化能力，对综合能力要求较高
- 医疗数据敏感：处理健康数据需遵守隐私合规，增加了复杂性和责任
- 适合有5年以上AI算法经验、具备全栈数据能力、对医疗健康或金融科技感兴趣的技术型人才
角色解读
- 可向AI技术专家或架构师方向发展，深入研究多模态、LLM等前沿技术
- 也可转向技术管理层，如AI团队负责人或技术总监，负责算法团队和业务落地
- 在医疗健康AI领域积累经验后，可跨行业或进入头部科技公司担任高级算法岗位
- 设计和开发AI算法，解决保险与医疗健康领域的业务问题，如保险控费、健康管理
- 使用PyTorch/TensorFlow等框架训练和优化机器学习模型，包括大语言模型（LLM）的微调与应用
- 负责数据处理全流程，包括ETL、数据建模和SQL优化，并利用大数据工具如Hadoop/Spark进行分布式计算
- 与工程团队协作，将模型部署到生产环境，并根据业务反馈持续迭代
- 精通Python和SQL，熟练使用PyTorch或TensorFlow等深度学习框架
- 具备大语言模型（LLM）微调、RAG、LangChain等实际应用经验
- 熟悉Hadoop、Spark等大数据工具，有分布式计算和数据平台开发经验
- 扎实的机器学习理论基础，包括SVM、随机森林等经典算法，并了解医疗数据特征工程
申请策略
- 了解平安的保险和健康业务线（如平安好医生），在面试中展现对业务的理解
- 准备一个完整的端到端项目案例，从业务需求到模型上线，突出解决问题的思路
- 突出大模型（LLM）微调或RAG等项目的实际经验，最好有业务落地效果数据
- 强调在医疗健康领域（如保险控费、健康管理）的数据分析和算法项目经历
- 展示全栈能力：数据处理（ETL、SQL）、算法建模、模型部署与监控
- 如有学术论文或开源贡献，特别是AI+医疗方向，务必列出
- 如果尚未接触大模型，可快速学习LLM微调（如LoRA）和LangChain框架
- 补充医疗相关知识，例如医学数据特点、常用的医疗数据集（如MIMIC）
面试指南
- 项目类问题：按STAR原则（情境-任务-行动-结果），重点说明技术细节和业务影响
- 技术原理问题：先给出核心定义，再逐步展开，如Transformer从自注意力机制到具体组件
- 开放设计问题：先明确假设条件，再分步骤提出方案，并讨论优缺点
- 请描述一个你使用LLM解决实际业务问题的项目，包括技术选型和效果评估
- 如何处理医疗数据中的缺失值和隐私保护？
- 请解释Transformer架构的原理，以及为什么它在自然语言处理中表现优异
- 在一次模型部署到生产环境后，发现性能下降，你会如何排查和优化？
- 保险控费场景下，你如何设计一个算法来识别欺诈理赔？
匹配度报告
75
综合匹配度
大厂AI算法岗，前沿技术栈，高薪高发展，现场办公WLB一般。
适合人群
适合追求技术成长和高薪资、愿意接受一定工作强度的资深算法工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利匹配
85较高
薪资水平较高，上市大企业福利体系完善，具有较好的经济回报和稳定性。
薪资信号未披露 (25K-45K/月)
成长发展匹配
90较高
该职位要求前沿技术（LLM、多模态），涉及全流程开发，成长空间大，且平安提供丰富的业务场景和资源。
技术前沿前沿/新兴技术
技术栈LLM、多模态、PyTorch、TensorFlow、Hadoop、Spark、Agents、RAG、LangChain
业务类型profit_center
工作生活匹配
50较低
要求现场办公，未明确WLB，可能面临加班，生活平衡一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
75中等
保险与医疗健康领域具有社会价值，AI技术提升业务效率有正向影响，但商业属性较强。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs