中国电信
算法研发工程师（铜梁）
算法研发工程师（铜梁）
发布于 3 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
Pytorch
Tensorflow
大模型
数据处理
机器学习
深度学习
算法研发
值不值得投
63综合评分
综合评分 63
大型国企数字化转型AI岗，技术栈前沿全面，但地点偏远且生活保障信息未知。
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
1.6万
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 2250 个在招 · 其中机器学习工程 24 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
该职位为中国电信算法研发工程师，专注于人工智能模型尤其是大模型技术的研发、训练与部署
工作内容包括机器学习、深度学习与大模型的开发调优，数据处理与管道建设，以及AI解决方案的交付与客户沟通
要求具备扎实的算法、编程与大数据技术栈，并能够将AI技术应用于数字化转型业务
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
- 技术广度与深度兼备：岗位要求覆盖算法、大数据、云原生及前后端，能提供全面的技术锻炼和成长
- 大型平台与业务落地：背靠中国电信这样的大型企业，AI技术有真实、大规模的业务场景（如数字化转型）进行落地和验证
- 技术前沿性：明确要求大模型（RAG/微调）等当前热门技术，能接触行业前沿
- 传统企业转型节奏：作为传统通信运营商，技术更新与组织流程可能与互联网公司存在差异，需适应其文化和节奏
- 适合具备扎实算法和工程基础，不满足于单纯做模型，而是希望将AI技术应用于实际业务、并乐于参与项目全过程的技术开发者
- 也适合希望从纯技术岗向解决方案或技术管理方向探索的候选人
缺点 / 挑战
- 技术栈广度带来的挑战：岗位要求“全能”，对个人学习能力和技术深度的平衡有较高要求
- 客户沟通与交付压力：需要直接对接业务和客户，对技术表达、项目管理和解决问题的能力要求较高
角色解读
- 技术专家路线：深耕AI算法与大模型领域，成为团队内的核心算法或技术架构专家，解决复杂技术难题
- 技术管理路线：凭借出色的项目交付和客户沟通能力，转向技术项目经理（TPM）或团队负责人，管理AI项目或小团队
- 解决方案架构师：深入理解行业（如通信、政务）业务，设计更宏观的AI与大数据解决方案，推动数字化转型
- 负责机器学习、深度学习及大模型（如GPT、BERT）的算法开发、训练和性能调优
- 构建和维护数据管道，进行数据清洗与标注，并利用Flink等工具进行实时数据处理
- 完成AI模型的工程化部署，构建API服务及MLOps流程，确保模型稳定运行
- 作为技术接口人，理解业务部门（如数字化转型）的需求，将AI技术转化为可落地的解决方案，并跟进项目交付
- 扎实的算法基础，精通Python编程及主流深度学习框架（PyTorch/TensorFlow），并具备大模型（Prompt/RAG/微调）相关实战经验
- 全面的大数据技术栈知识，熟悉Flink/Spark等流批处理框架，以及Docker/K8s等云原生部署技术
- 具备软件工程全链路能力，包括前后端开发（如Java/Vue）、系统设计、调优和故障排查
- 良好的工程化与沟通能力，能清晰输出技术文档，并有效对接业务需求与客户
申请策略
- 研究中国电信的数字化转型战略和公开的AI应用案例，在面试中展现你的行业关注度和思考
- 在沟通中平衡技术深度与业务视角，既要能讨论算法细节，也要能说明技术选择如何服务于业务目标
- 重点突出与JD匹配的项目经验，特别是大模型（如RAG、微调）的实际应用、基于Flink的实时处理案例，以及模型部署（Docker/K8s）的成果
- 强调“全栈”能力，展示从数据处理、算法开发到模型服务化、系统对接的完整项目经历
- 用具体数据和成果描述项目，例如“通过XX模型将XX指标提升Y%”、“主导XX数字化转型项目，负责AI模块从0到1落地”
- 如果参与过客户对接或项目管理，务必单独列出，体现沟通与交付能力
- 深入复习大模型（特别是RAG和微调）的原理与工程实践，准备能体现细节的案例
- 系统梳理Flink等大数据组件的知识，确保能清晰阐述实时数据处理的架构设计
面试指南
- 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果）结构化回答，并突出你的技术选型和贡献
- 对于架构设计类问题，先阐述核心目标（如低延迟、高吞吐），再给出分层架构（数据源、处理引擎、存储、服务），并解释每个组件的作用和选型理由
- 对于沟通协作类问题，重点描述如何将技术语言转化为业务语言，如何管理预期，以及如何协调资源达成目标
- 请详细描述一个你参与过的大模型应用项目，特别是你在其中使用Prompt或RAG技术解决具体问题的经验
- 如何设计一个基于Flink的实时数据处理管道？请结合一个具体场景（如实时风控或推荐）说明架构
- 在将训练好的模型部署为线上API服务时，你会考虑哪些关键因素（如性能、稳定性、可维护性）？
- 请讲述一次你与业务方或客户沟通技术需求，并最终推动项目落地的经历，过程中遇到了哪些挑战？
- 你如何理解数字化转型？你认为算法工程师在其中应该扮演什么角色？
职位点评
薪资福利65
成长发展80
工作生活40
使命价值60
薪资福利
65中等
岗位薪资在二线城市有竞争力，且背靠大型国有企业平台，可能提供较好的稳定性和基础福利。但具体薪资和福利细则在JD中未详细披露。
薪资信号市场水准 (1.2千–2万/月)
成长发展
80较高
岗位涉及大模型、实时计算等前沿技术，要求掌握从算法到部署的全栈技能，对个人技术深度和广度都有很好的锻炼价值。业务上能接触数字化转型的落地项目。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、Flink、大模型、Kubernetes、Docker
业务类型ambiguous
工作生活
40较低
工作地点明确在重庆铜梁区（非主城区），地理位置相对偏远，可能影响通勤和生活便利性。JD中未提及任何关于工作模式、弹性工作或WLB的信息，存在不确定性。
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
60中等
作为央企推动数字化转型的AI岗位，工作具有一定的社会价值和行业进步意义，但岗位本身的社会影响力感知度可能有限。
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