中国电信
算法研发工程师（黔江）
算法研发工程师（黔江）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Mlops
Prompt工程
Pytorch
Tensorflow
大模型
机器学习
值不值得投
70综合评分
综合评分 70
国企AI算法岗，技术前沿要求高，地点偏远，发展机会好，稳定性强。
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
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1990 个在招 · 其中机器学习工程 22 个
市场机会
选择不多
重庆 · 机器学习工程 · 9 个在招
职位详情
关于这个职位
该岗位是中国电信的算法研发工程师，工作地点在重庆黔江
核心职责是负责公司AI大模型和机器学习算法的研发、训练与部署，包括数据处理、模型调优、MLOps流程建设，并需对接数字化转型业务需求，完成从技术方案到项目交付的全流程工作
最低要求
熟悉Python及PyTorch/TensorFlow框架，掌握数据结构与机器学习/深度学习理论
熟悉计算机视觉(CV)/自然语言处理(NLP)/知识图谱/推荐系统等方向，掌握BERT/GPT/CNN/LSTM等模型及大模型技术（Prompt工程/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
- 国企平台稳定，能接触到大规模数字化转型业务场景，有将前沿AI技术落地实际产业的机会
- 岗位技术栈全面，涵盖算法研发、大数据、工程部署与业务对接，有利于培养端到端的AI能力
- 工作地点在非一线城市区县，生活成本相对较低，可能享有国企体系内的稳定福利
- 工作地点在重庆市黔江区，相较于一线城市，技术氛围、行业交流机会可能有限
- 在甲方单位推动项目，可能需要处理较多的跨部门沟通与项目管理事务，对综合能力要求高
- 适合具备扎实机器学习与工程化能力，对AI技术应用有热情，不介意工作地点在非一线城市，希望在稳定平台上深耕技术并参与实际业务落地的工程师
缺点 / 挑战
- 技术要求广泛且深入，需要同时掌握前沿算法和扎实的工程化部署能力，学习压力较大
角色解读
- 技术专家路线：深耕算法与工程化，成为AI技术栈的权威专家，负责更复杂、核心的算法架构设计
- 技术管理路线：凭借项目交付和业务理解经验，逐步承担技术团队管理、项目管理职责
- 解决方案架构师：结合深厚的行业理解与AI技术，为客户提供端到端的数字化转型解决方案
- 负责AI大模型和机器学习算法的全链路开发，从数据处理、模型训练到部署上线
- 将先进的AI技术（如大模型微调、Prompt工程）应用于公司的数字化转型业务场景中
- 构建和维护MLOps流程与数据管道，确保算法模型的稳定、高效运行
- 作为技术桥梁，与业务方沟通需求，推动AI项目从方案设计到落地交付
- 扎实的机器学习和深度学习理论基础，熟练掌握PyTorch/TensorFlow等主流框架，并有大模型相关实践经验
- 强大的工程能力，熟悉大数据组件（如Flink, Spark）、容器化部署（Docker/K8s）及至少一种全栈开发语言
- 具备软件开发全流程经验，能够独立进行系统二次开发、调优及故障处理
- 良好的业务理解与沟通能力，能将技术方案与数字化转型需求结合，并推进项目交付
申请策略
- 简历中可适当体现对国企工作环境和文化、流程的理解与适应能力
- 准备时研究中国电信的数字化转型战略或相关公开报道，面试时展示你对业务背景的了解
- 重点突出机器学习/深度学习项目经验，特别是涉及大模型（微调、RAG、Agent）的实践成果
- 详细描述工程化部署经验，如使用Flink处理实时数据、通过Docker/K8s部署模型服务、构建MLOps流程的案例
- 展示与业务方合作，完成需求分析、技术方案设计和项目交付的完整经历
- 体现Java/Vue/React等全栈开发能力以及处理系统调优、故障的实际案例
- 深入学习大模型相关技术，如LoRA微调、RAG系统构建、Agent框架等，并准备可展示的实践项目
- 加强大数据组件（尤其是Flink）和云原生技术（Docker/K8s）的实操能力
面试指南
- 对于项目经验问题，采用STAR法则，清晰描述背景、任务、行动（技术选型、实现细节）和结果（指标提升）
- 对于技术方案类问题，先阐述思考框架（如问题定位、优化方向），再给出具体技术手段（如量化、剪枝、缓存、批处理）及其原理
- 对于业务与需求类问题，强调沟通、调研、方案拆解和迭代验证的过程，突出你的产品思维和工程落地平衡能力
- 请介绍一个你主导的机器学习/大模型项目，从数据处理到模型部署的全过程
- 如何优化一个在生产环境中的深度学习模型推理速度？
- 如果业务部门提出一个模糊的AI需求，你会如何沟通并将其转化为可实现的技术方案？
- 你对大模型技术（如Prompt工程、RAG、微调）在企业级应用中落地的看法是什么？有哪些挑战？
- 请谈谈你对MLOps的理解，以及你在过往项目中是如何实践的？
职位点评
薪资福利75
成长发展80
工作生活50
使命价值70
薪资福利
75中等
作为已上市国企，薪酬福利体系通常较为规范稳定，但具体薪资未披露，可能不具备一线互联网大厂的顶尖竞争力。
薪资信号未披露（AI估算：12K-20K/月）
成长发展
80较高
岗位技术要求前沿，涵盖大模型、大数据、MLOps等热门技术，能提供将AI技术应用于大型数字化转型项目的实践机会，有利于技能成长。
技术前沿前沿/新兴技术
技术栈大模型、Prompt工程、RAG、微调、Agent、Flink、MLOps、PyTorch、TensorFlow
成长机会核心代码开发、系统二次开发、数字化转型推进
业务类型profit_center
工作生活
50较低
工作地点在重庆黔江区，相较于成渝主城区，生活便利性和职业社交网络可能受限。JD未提及工作模式，WLB情况未知。
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
70中等
参与大型国企的数字化转型项目，具有推动行业与社会数字化升级的潜在价值。但项目导向可能使使命感因具体业务而异。
行业发展稳定成熟行业
社会影响中性/一般
使命信号数字化转型
创新程度积极采用新技术
Watch Jobs