中国平安
算法资深工程师（应用方向）
算法资深工程师（应用方向）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
软件工程
PyTorch
TensorFlow
Scikit-learn
XGBoost
大模型
lightGBM
AI 估算 · 40k–60k
资深算法岗，平安大厂，深圳薪资水平高，技术栈前沿，年薪可达60-90万。
职位详情
关于这个职位
该职位是平安集团算法资深工程师（应用方向），负责将AI技术从0到1落地并规划后续优化
你将主导复杂项目，与算法工程师协作拆解业务指标，并应对业务变化调整方向
适合有5年以上算法研发与工程落地经验、熟悉大模型和传统机器学习技术的资深工程师
最低要求
计算机、数学、人工智能等相关专业硕士及以上学历，5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
根据具体业务，高效做到0->1的项目落地，并对后续1->n的过程做出规划，并设计对应的验收方案
具备发现当前AI流程不足的能力，快速发现瓶颈，提出解决方案
具备业务指标拆解能力，能将业务指标合理拆分到全流程，能高效与算法工程师配合，将各阶段指标达成
具备应对变化的能力，能根据业务目标/内部目标的调整，及时规划下一步的优化方向
具备算法工程师基础能力，了解涉及算法研发到落地全流程技术
良好的沟通能力，能快速准确的理解业务方需求，并落地为具体指标
优先资格
拥有将传统机器学习模型成功应用于高并发、低延迟在线系统的实践经验，并深入解决过特征一致性、模型监控、线上漂移等工程问题
AI 洞察
优缺点分析
优点
- 平安作为金融科技巨头，平台大、资源多，项目落地场景丰富
- 技术栈前沿，涵盖大模型、Agent等热门方向，有利于个人技术积累
- 薪资待遇优厚，大厂福利完善，职业发展路径清晰
- 技术深度和广度要求高，需持续学习前沿技术
- 跨部门协作多，沟通成本较大，需要较强的业务理解能力
缺点 / 挑战
- 工作强度可能较高，需要快速响应业务变化，推动项目落地
- 适合有5年以上算法经验、技术全面、喜欢挑战、希望在金融科技领域深耕的资深工程师
角色解读
- 技术方向：可向AI架构师、技术专家发展，主导更大规模AI系统设计
- 管理方向：可晋升为技术Leader或团队经理，带领算法团队
- 业务方向：深入业务，成为AI+业务复合型人才，负责战略级项目
- 负责AI项目从0到1的落地，包括需求分析、方案设计、模型开发与部署
- 对现有AI流程进行诊断，发现瓶颈并提出优化方案，提升系统效率
- 拆解业务指标，与算法工程师协作确保各阶段目标达成
- 根据业务调整及时规划下一步优化方向，推动技术迭代
- 扎实的机器学习基础，熟悉传统ML和深度学习算法原理及优化技术
- 精通PyTorch或TensorFlow，有模型训练、微调、推理、部署经验
- 熟悉大数据处理技术如Hive、Spark、HBase，具备数据调优能力
- 具备大模型应用经验，了解MCP、Skill、多Agent研发
申请策略
- 了解平安的AI战略和业务布局，面试时展现对金融科技的理解
- 准备一个完整的项目案例，详细说明技术选型、挑战和成果
- 突出0到1项目落地经验，尤其是从需求到部署的全流程案例
- 强调大模型或Agent相关项目，展示对前沿技术的掌握
- 列出大数据处理优化经验，如Spark调优、特征工程等
- 展示业务指标拆解和跨团队协作成果
- 补充大模型应用技能，如LangChain、RAG、Agent框架
- 强化系统设计能力，特别是高并发低延迟在线系统
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
- 技术选型时，从业务需求、数据规模、性能要求、团队能力等维度分析
- 面对变化时，先评估影响范围，再制定分阶段优化计划
- 请描述一个你主导的AI项目从0到1落地的过程，遇到哪些挑战？
- 如何将业务指标拆解为技术指标？举例说明
- 谈谈你对大模型Agent的理解，以及在实际项目中的应用
- 如何保证线上模型的特征一致性？遇到过哪些问题？
- 在模型选型时，你如何权衡精度、延迟和资源消耗？
匹配度报告
69
综合匹配度
大厂资深算法岗，前沿技术栈，薪资优厚，但WLB一般。
适合人群
适合追求技术成长和高薪资的求职者，对WLB要求不高。
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40
使命价值60
薪资福利匹配
85较高
薪资水平较高，大厂福利完善，但JD未明确具体薪资和福利，需面议确认。
薪资信号面议 (40K-60K/月)
成长发展匹配
90较高
技术栈前沿，涉及大模型、Agent等热门方向，成长空间大，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、大模型、Agent、Spark、Hive
业务类型ambiguous
工作生活匹配
40较低
JD未提及远程或弹性办公，工作地点在深圳，可能需现场办公，WLB信号不明显。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
金融科技行业稳定增长，但JD未强调社会价值或使命感，创新性中等。
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