中国电信
算法研发工程师（开州）
算法研发工程师（开州）
发布于 3 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
Pytorch
Tensorflow
大模型
机器学习
深度学习
值不值得投
75综合评分
综合评分 75
国企平台、技术栈全面（AI+大数据+云原生）、参与大型数字化转型项目、地点在开州区。
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
16K
比人工智能中位数低
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 1410 个在招 · 其中人工智能 54 个
市场机会
选择不多
重庆 · 人工智能 · 2 个在招
职位详情
关于这个职位
该职位是中国电信在重庆开州的一名算法研发工程师，主要负责AI模型（包括大模型）的开发、训练与调优，处理数据并构建数据管道，同时负责模型部署、系统开发及业务对接
您将参与数字化转型项目的AI技术方案设计，并推动项目落地
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
- 技术栈全面且前沿：工作覆盖AI模型、大数据、云原生部署等多个热门技术领域，能快速积累复合型技术能力
- 平台与稳定性：作为大型国企，提供稳定的平台和资源，有利于参与大型数字化转型项目
- 业务结合紧密：技术直接应用于电信业务数字化转型，能看到技术的实际业务价值
- 国企体制环境：工作流程、沟通方式和创新速度可能与互联网公司文化有所不同，需要适应
- 技术深度与广度平衡：岗位要求技能面较广，需要在特定领域保持足够深度，避免成为‘万金油’
- 适合对人工智能全栈技术有浓厚兴趣，喜欢将算法应用于实际业务场景解决复杂问题，并希望在稳定平台中长期深耕技术的工程师
缺点 / 挑战
- 技术更新压力：AI与大数据技术迭代迅速，需要持续学习以保持竞争力
角色解读
- 技术专家路线：深耕AI算法与工程化，成为机器学习平台或大模型应用领域的资深专家
- 架构师路线：从单点模型开发扩展到整体AI系统架构设计，负责更复杂的技术方案
- 技术管理路线：带领小团队负责特定AI业务模块或项目的技术攻关与交付
- 负责机器学习、深度学习及大模型的全链路开发，从模型训练、调优到最终部署上线
- 处理和构建数据管道，利用Flink等技术进行实时数据处理，为模型提供高质量数据
- 参与从需求对接到项目交付的全过程，不仅写代码，还要将技术方案与业务需求结合并推动落地
- 扎实的AI算法功底，特别是大模型技术（Prompt/RAG/微调）的应用与开发能力
- 全面的数据处理与工程能力，涵盖从Python数据处理到Flink实时计算，再到大数据组件（Hadoop/Kafka等）的集成
- 良好的软件工程素养，熟悉前后端开发、容器化部署（Docker/K8s）和系统开发全流程，具备问题解决能力
申请策略
- 在简历或面试中，强调自己对技术与业务结合的思考，展示如何理解数字化转型需求并转化为技术方案
- 提前了解中国电信在云计算、大数据和AI方面的主要产品和战略方向，思考该岗位如何支撑这些业务
- 重点突出机器学习、深度学习特别是大模型相关的项目经验，详细描述模型选型、优化过程和最终效果
- 展示数据处理与工程化能力，例如使用Flink处理实时数据、使用Docker/K8s部署模型服务的具体案例
- 提供体现软件开发全流程能力的例子，包括系统设计、前后端开发、调试和维护
- 系统复习和实践大模型相关技术栈（如LangChain、Hugging Face生态），并准备一个端到端的应用案例
- 深入理解Flink或Spark其中一个大数据框架，能够处理实际场景中的流处理或批处理任务
- 熟悉MLOps理念和工具链（如MLflow、Kubeflow），了解模型从训练到生产的完整管理流程
面试指南
- 对于项目经验问题，采用STAR法则（情境、任务、行动、结果），重点突出你的技术决策、遇到的困难和取得的量化成果
- 对于技术概念应用问题，先解释原理，再给出具体业务场景（如电信网络优化、客户服务机器人等），最后说明实现路径和潜在挑战
- 对于流程和协作问题，强调你的系统性思维、沟通能力和对代码质量与生产稳定性的重视
- 请介绍一个你主导的机器学习或深度学习项目，从问题定义、数据处理、模型选择到部署上线的完整过程
- 如何理解大模型技术（如RAG、微调）在实际业务中的应用？请结合一个具体场景说明
- 请描述你使用Flink或Spark处理一个大规模数据集或实时数据流的经验，遇到了什么挑战以及如何解决的
- 你如何确保一个AI模型从开发环境顺利部署到生产环境？请介绍你熟悉的Docker/K8s相关实践
- 当业务方提出一个模糊的AI需求时，你会如何沟通并最终将其转化为可落地的技术方案？
职位点评
薪资福利70
成长发展85
工作生活65
使命价值80
薪资福利
70中等
作为国企岗位，薪资福利体系预计较为规范和稳定，但考虑到工作地点在重庆开州区，整体薪资水平可能不如一线城市同类岗位。
薪资信号市场水准 (12K-20K/月)
成长发展
85较高
岗位技术栈覆盖AI前沿（大模型）与工程全栈，能提供扎实的复合技能成长机会，且涉及大型项目，技术实践场景丰富。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、BERT、GPT、大模型、Prompt、RAG、微调、Agent、Flink、Docker、Kubernetes
业务类型profit_center
工作生活
65中等
JD未明确办公模式，通常技术开发岗位为现场办公。国企岗位的WLB可能相对有保障，但具体需视项目情况而定。地点在开州区，生活成本较低但配套可能有限。
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
80较高
参与央企的数字化转型项目，将AI技术应用于关键行业，能带来较强的社会价值感和技术成就感。行业前景稳定且重要。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号数字化转型
创新程度积极采用新技术
Watch Jobs