中国电信
算法研发工程（长寿）
算法研发工程（长寿）
发布于 2 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Mlops
Pytorch
Rag
Tensorflow
大模型
数字化转型
值不值得投
69综合评分
综合评分 69
技术前沿、平台稳定，但工作地点偏远，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
比人工智能中位数高
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
约 2100 个在招 · 其中人工智能 86 个
市场机会
选择适中
重庆 · 人工智能 · 12 个在招
职位详情
关于这个职位
该职位负责机器学习、深度学习及大模型（Prompt/RAG/微调）的开发、训练与调优，同时涉及数据管道建设、实时流处理、模型部署与MLOps流程
你将对接数字化转型业务需求，输出AI技术方案，并负责客户沟通与项目交付
适合具备扎实算法基础、熟悉大数据组件及前后端开发，并热衷于技术钻研的候选人
最低要求
熟悉Python及PyTorch/TensorFlow框架，掌握数据结构与ML/DL理论
熟悉CV/NLP/知识图谱/推荐系统，掌握BERT/GPT/CNN/LSTM等模型及大模型技术（Prompt/RAG/微调/Agent）
理解Flink/Spark/Hadoop/Kafka/ClickHouse/Redis/ES等大数据组件
了解Java及主流数据库（MySQL/Oracle），熟悉Docker/K8s容器化部署及模型服务化（API/微服务）
掌握Java/Vue/React等一种或多种前后端开发语言及工具链，具备软件开发全流程能力及系统调优、故障处理经验
熟悉数据挖掘及数字化转型推进，热衷新技术钻研
逻辑思维清晰，善于沟通协作与技术文档输出
工作职责
机器学习、深度学习及大模型（Prompt/RAG/微调）的开发、训练与调优，提升模型核心指标
数据清洗、标注审核及数据管道建设
基于Flink进行实时流处理开发与调优
完成模型部署、API服务化及MLOps流程建设
负责核心代码开发与系统二次开发
对接数字化转型等业务需求，输出AI技术方案
负责客户沟通、项目推进及交付验收
AI 洞察
优缺点分析
优点
- 涉及大模型、MLOps等前沿技术，技能积累价值高
- 中国电信作为大型企业，平台稳定，项目资源丰富
- 工作内容涵盖算法、工程和业务，综合能力提升快
- 位于重庆，生活成本相对一线城市较低
- 可能涉及客户沟通和项目推进，需要较强的协调能力
- 工作地点在长寿区，相对偏远，通勤和配套设施可能有限
- 适合具备扎实算法基础、熟悉大数据和前后端开发，并愿意在重庆发展的技术人才
缺点 / 挑战
- 技术要求全面，需同时掌握算法、大数据和前后端，学习压力大
角色解读
- 可向AI算法专家或大模型方向深耕，成为技术骨干
- 可向技术管理方向发展，负责团队和项目交付
- 可向数字化转型解决方案架构师转型，结合业务输出AI方案
- 负责机器学习、深度学习及大模型（Prompt/RAG/微调）的开发、训练与调优，提升模型核心指标
- 参与数据清洗、标注审核及数据管道建设，基于Flink进行实时流处理开发与调优
- 完成模型部署、API服务化及MLOps流程建设，负责核心代码开发与系统二次开发
- 对接数字化转型业务需求，输出AI技术方案，并负责客户沟通、项目推进及交付验收
- 精通Python及PyTorch/TensorFlow框架，掌握数据结构与ML/DL理论，熟悉CV/NLP/知识图谱/推荐系统及大模型技术
- 理解Flink/Spark/Hadoop/Kafka等大数据组件，熟悉Docker/K8s容器化部署及模型服务化
- 掌握Java/Vue/React等前后端开发语言，具备软件开发全流程能力及系统调优经验
- 具备数据挖掘和数字化转型推进能力，逻辑思维清晰，善于沟通协作与技术文档输出
申请策略
- 了解中国电信的数字化转型业务方向，在面试中展现对业务的思考
- 准备项目案例，重点说明算法优化和系统落地的过程
- 突出大模型（Prompt/RAG/微调）项目经验，展示模型调优成果
- 强调Flink/Spark等大数据处理经验，以及MLOps部署实践
- 展示前后端开发能力，尤其是Java/Vue/React相关项目
- 提及数字化转型或客户交付项目，体现业务理解能力
- 补充大模型微调和RAG的实战经验，可参与开源项目
- 熟悉Flink实时流处理，掌握Docker/K8s部署
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰描述项目经历
- 结合具体技术细节，展示深度思考和问题解决能力
- 强调业务价值，说明技术如何支撑业务目标
- 请介绍一个你使用大模型（如RAG或微调）解决实际问题的项目
- 如何处理实时数据流？请谈谈Flink的使用经验
- 如何将训练好的模型部署为API服务？请描述MLOps流程
- 在数字化转型项目中，如何与客户沟通需求并推进交付？
- 请解释BERT和GPT的区别及适用场景
职位点评
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利
70中等
职位未明确薪资和福利，但作为大型企业，薪资和福利可能较为稳定，但具体需面议。
薪资信号面议 (1.5千–2.5万/月)
成长发展
85较高
职位涉及大模型、MLOps等前沿技术，技能成长空间大，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、大模型、RAG、Flink、MLOps、Docker、Kubernetes
业务类型profit_center
工作生活
50较低
工作地点在长寿区，可能相对偏远，且未提及弹性工作或远程办公，WLB可能一般。
工作模式未明确
办公地点郊区/偏远地区
加班情况未提及（无法判断）
使命价值
65中等
数字化转型具有社会价值，但职位本身未强调使命或社会影响。
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