顺丰速运
机器学习工程师
机器学习工程师
发布于 大约 11 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
机器学习
深度学习
PyTorch
RAG
TensorFlow
大模型
AI 估算 · 25k–40k
深圳算法岗，硕士3-5年经验，顺丰平台大，薪资有竞争力，预估月薪25-40K。
职位详情
关于这个职位
该职位负责利用大数据和机器学习技术解决物流供应链中的实际问题，包括特征挖掘、模型开发与部署，以及前沿预测大模型的建设
适合有3年以上算法经验、熟悉深度学习和大模型应用的求职者，在顺丰这样的大型平台上有机会接触海量数据和实际业务场景
最低要求
岗位要求：
硕士以上学历，计算机、数学、统计、人工智能等专业，3年以上算法领域相关工作经验
熟练掌握常用机器学习、深度学习算法，熟练掌握大数据挖掘，具备业务分析、模型选择评估和算法迭代能力
熟悉大模型应用相关技术（Fine-tuning、RAG等），有大模型、AI智能体应用相关经验者优先
熟练掌握常用机器学习框架，如TensorFlow、kreas、pytorch等，至少精通一门编程语言，如Python、Java、C/C++等
具备机器学习、深度学习相关项目经验，对算法原理及其应用有深入理解
有上下文推理、条件概率分布建模、深度网络结构设计、模型预训练学习经验者优先，包括但不限于Word Embedding、Graph Embedding、BERT、Transform、ngram2vec等
熟悉Git管理、Liunx环境，有Hadoop，Hive、Spark、Flink、Kafka、Redis等平台开发经验者优先，有分布式并行算法、集成参数服务器开发实践经验者优先
有时空网络建模、时间序列建模、大规模需求预测建模、O2O融合算法经验者优先
对聚类划分、半监
工作职责
工作职责：
主要职责：
负责大数据特征挖掘、数据建模，挖掘大数据价值并应用到物流供应链相关的业务场景中
利用数据挖掘和机器学习建模技术，进行模型开发与部署应用
负责海量数据分析、特征挖掘、算法选型迭代，就业务指标评估、解决方案和效果进行持续的分析和改进
基于业务对接产品、研发团队，参与方案评估、策略分析和数学建模，开拓前沿建模技术并结合业务场景解决实际痛点
负责物流行业前沿的需求预测技术升级的工作，与团队一起攻坚克难，建设行业的预测大模型，引领行业变革
AI 洞察
优缺点分析
优点
- 顺丰作为行业巨头，拥有海量真实物流数据，为算法实践提供丰富场景
- 岗位涉及大模型和前沿AI技术，技术成长空间大，紧跟行业趋势
- 团队聚焦行业预测大模型，有机会参与高影响力项目，提升个人履历
- 物流业务复杂度高，算法落地需要深入理解业务，沟通成本较大
- -5年经验要求硕士学历，竞争激烈，需持续保持技术前沿性
缺点 / 挑战
- 需要同时掌握大数据平台和机器学习，技术栈较广，学习压力大
- 适合有3年以上算法经验、对物流行业感兴趣、乐于挑战复杂业务场景的技术型人才
角色解读
- 技术路线：从算法工程师成长为资深算法专家或技术负责人，深入物流AI领域
- 管理路线：向技术团队管理方向发展，带领团队攻克复杂业务难题
- 业务路线：转型为解决方案架构师，将技术能力与物流业务深度结合
- 负责海量物流数据的特征挖掘与建模，将大数据价值转化为实际业务解决方案
- 开发并部署机器学习模型，包括需求预测、路径优化等，并持续监控和优化模型效果
- 与产品、研发团队协作，参与方案评估和数学建模，推动前沿技术在物流场景落地
- 参与建设行业级预测大模型，引领物流行业的技术变革
- 扎实的机器学习与深度学习算法基础，熟悉常见框架如TensorFlow、PyTorch
- 精通Python或Java等编程语言，具备大数据平台（Hadoop、Spark、Flink）开发经验
- 熟悉大模型应用技术（Fine-tuning、RAG），有相关项目经验者优先
- 具备时空网络建模、时间序列预测或需求预测经验者加分
申请策略
- 了解顺丰的物流业务和AI应用方向（如路径优化、需求预测），在面试中展示业务理解
- 准备1-2个完整的项目案例，从问题定义到模型部署，突出解决实际问题的能力
- 突出机器学习/深度学习项目经验，尤其是大模型或预测类项目成果
- 强调大数据平台（Hadoop、Spark等）使用经验，展示处理海量数据的能力
- 列出发表论文或竞赛获奖经历，增强学术背景说服力
- 系统学习大模型Fine-tuning和RAG技术，掌握LangChain等框架
- 补充时间序列预测和时空网络建模知识，阅读相关论文
- 练习编程和算法题，准备面试中的手撕代码环节
面试指南
- 项目经验回答采用STAR原则：情境、任务、行动、结果，突出技术难点和量化成果
- 算法设计问题先明确问题定义、数据特点，再选择合适模型，最后讨论评估和优化
- 业务问题结合物流场景（时效、成本、订单）展现业务理解，再引出技术方案
- 请介绍一下你使用大模型（Fine-tuning或RAG）的项目经验
- 如何设计一个时间序列预测模型来预测物流订单量？
- 在处理海量数据时，你如何选择特征和评估模型效果？
- 解释一下Transformer的注意力机制，并说明在NLP之外的应用
- 你如何看待机器学习在物流供应链中的价值？请举例说明
职位点评
70
综合评分
大厂核心算法岗，前沿技术栈，成长空间大，但工作地点固定且WLB未明确。
更适合这类人
适合重视技术成长、希望接触前沿AI和大数据技术，且对物流行业有热情的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
薪资面议但属于大厂核心岗位，预计薪资有竞争力，福利未明确提及，整体中等偏上。
薪资信号面议 (25K-40K/月)
成长发展
85较高
岗位涉及大模型、大数据等前沿技术，团队攻坚行业预测大模型，技术成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、大模型、Fine-tuning、RAG、TensorFlow、PyTorch、Hadoop、Spark、Flink
业务类型ambiguous
工作生活
50较低
深圳现场办公，JD未提弹性或WLB，物流行业可能有一定工作强度。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
岗位致力于物流智能化，提升行业效率，有社会价值，且属于高速发展的物流科技领域。
行业发展高速增长赛道
社会影响中性/一般
使命信号引领行业变革
创新程度积极采用新技术
Watch Jobs