Inspur logo
浪潮
AI研发工程师

AI研发工程师

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 1.8–3.0万 · AI 参考估算
无经验要求
硕士
全职员工仅现场办公AI算法
AI算法
大模型微调
提示词工程
数据处理
机器学习
模型训练
深度学习
自然语言处理

值不值得投

64综合评分

综合评分 64

AI算法研发岗,技术方向前沿且落地场景丰富,薪资与办公灵活性信息未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较职业起点。

薪资怎么样

2.4万

比AI算法中位数高

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 590 个在招

市场机会

选择面较广

北京 · AI算法 · 约 270 个在招

职位详情

关于这个职位

该岗位面向AI智能化项目研发与落地,参与机器学习、深度学习、大模型应用和智能算法优化等模块开发

你需要处理业务数据、支持模型训练调优,并配合产品测试上线、技术调研和业务需求对接,适合具备AI项目基础的硕士候选人

最低要求

硕士及以上学历,人工智能、计算机科学与技术、软件工程、数据科学与大数据技术、电子信息工程等相关专业,具备扎实的计算机、算法、数理基础知识

熟悉机器学习、深度学习基础理论,熟练使用Python编程语言,了解数据结构、算法、神经网络、大模型微调、提示词工程等相关知识,能够独立完成基础算法开发和数据处理工作
掌握基本的Git版本管理、模型训练、项目部署基础流程,了解Linux基础命令者优先
具备良好的逻辑思维、数据分析能力和问题拆解能力,善于学习前沿AI技术,拥有较强的自主学习能力和创新意识

工作职责

参与AI智能化项目全流程研发与落地,协助团队完成机器学习、深度学习、大模型应用、智能算法优化等核心模块的开发工作,配合完成项目需求拆解、方案落地、代码编写及功能调试,支撑企业智能化业务场景落地,包括智能识别、智能决策、自动化赋能等相关业务

负责AI相关数据的处理工作,涵盖业务数据的采集、清洗、标注、预处理及数据集优化,搭建标准化数据处理流程,配合算法模型完成训练、验证、迭代调优,持续提升模型准确率、稳定性和适配性,解决模型落地过程中的基础数据问题
跟进AI行业前沿技术、开源框架及算法迭代动态,结合公司业务场景开展技术调研和可行性测试,协助团队完成新技术、新模型的落地验证,输出技术调研报告、测试总结及落地优化方案,助力团队技术体系迭代升级
配合完成AI智能化产品的测试、上线及运维支撑工作,排查项目落地过程中的算法、功能、兼容性等基础问题,持续优化产品智能化体验,同时整理项目文档、技术文档、迭代日志,保障项目规范化推进
对接业务智能化需求,参与需求评审、方案研讨,结合AI技术能力给出合理化落地建议,助力传统业务数字化、智能化升级,提升业务运行效率

优先资格

在校期间有AI相关科研项目、课程设计、竞赛经历、开源项目贡献或实习经验优先,具备图像识别、自然语言处理、智能预测、自动化算法落地等相关项目实操经验者优先,能够清晰理解项目研发逻辑

了解Linux基础命令者优先

AI 洞察

优缺点分析

优点

  • 岗位覆盖机器学习、深度学习、大模型应用和智能算法优化,技术内容较丰富,有利于建立完整的AI工程能力
  • 工作内容贴近企业智能化业务落地,能接触智能识别、智能决策、自动化赋能等真实场景,项目经验较实用
  • 岗位要求跟进前沿技术和开源框架,适合希望持续学习新技术并参与验证落地的候选人
  • 职责包含需求评审、技术调研和文档沉淀,有助于提升技术表达、业务理解和项目规范意识
  • 岗位涉及研发、数据处理、测试上线、运维支撑和需求对接,工作链路较长,对新人统筹和适应能力有要求
  • AI项目落地中数据质量、模型稳定性和业务适配问题较多,需要具备耐心排查和持续迭代的能力
  • 适合硕士阶段具备AI科研项目、竞赛、开源或实习经历,希望从算法研发与业务落地中积累实战经验的候选人

缺点 / 挑战

  • 技术范围较广,从基础算法到大模型微调、提示词工程都需涉猎,学习压力和竞争压力都不小

角色解读

  • 初期可从AI算法开发、数据处理和模型调优入手,逐步承担完整模块研发和项目落地责任
  • 中期可向大模型应用工程师、机器学习工程师、智能识别或自然语言处理方向深耕,提升算法工程化和业务落地能力
  • 长期可发展为AI技术专家、算法负责人或智能化解决方案架构师,也可转向技术管理或业务智能化产品方向
  • 参与AI智能化项目从需求拆解、方案设计到开发调试、上线支撑的完整流程,重点围绕机器学习、深度学习、大模型应用和智能算法优化开展研发
  • 负责业务数据采集、清洗、标注、预处理和数据集优化,配合模型训练、验证和迭代调优,提升模型准确率与稳定性
  • 跟进前沿AI技术、开源框架和算法动态,开展技术调研、可行性测试和落地验证,并输出调研报告与优化方案
  • 对接业务智能化需求,参与需求评审和方案研讨,为传统业务数字化、智能化升级提供AI技术建议
  • 需要具备扎实的计算机、算法和数理基础,熟悉机器学习、深度学习理论,并能使用Python完成基础算法开发
  • 需要了解数据结构、神经网络、大模型微调、提示词工程等内容,具备模型训练、验证、调优和问题排查能力
  • 需要掌握数据处理流程,能够完成数据采集、清洗、标注、预处理和数据集优化,并理解数据质量对模型效果的影响
  • 需要掌握Git、项目部署基础流程和Linux基础命令,同时具备文档整理、需求理解和跨团队沟通能力

申请策略

  • 申请前了解公司在企业智能化、云计算和行业数字化方面的业务方向,准备将AI能力与业务场景结合的案例
  • 面试中尽量用量化结果说明项目效果,例如准确率提升、数据处理效率改善或模型稳定性优化
  • 重点突出AI相关科研项目、课程设计、竞赛、开源贡献或实习经历,说明自己在项目中的具体职责和产出
  • 突出Python、机器学习、深度学习、模型训练、数据处理、Git和Linux等技能,最好结合项目说明使用场景
  • 如果有图像识别、自然语言处理、智能预测或自动化算法落地经验,应写明数据规模、模型方法、评价指标和优化结果
  • 强调需求理解、问题拆解、技术文档和团队协作经历,体现自己能支撑项目全流程研发与落地
  • 提前准备一个可展示的AI项目,覆盖数据处理、模型训练、评估调优和部署流程,并能清楚解释技术选择
  • 补充大模型微调、提示词工程、开源框架使用和模型部署相关实践,提升与岗位方向的匹配度

面试指南

  • 项目类问题采用“背景—目标—数据—方法—结果—复盘”的结构回答,重点说明自己的具体贡献和可验证结果
  • 技术问题采用“现象—原因假设—验证方法—优化措施—效果评估”的框架,体现系统化排查能力
  • 业务落地问题采用“需求澄清—可行性评估—方案设计—原型验证—上线迭代”的思路,展示从技术到业务的闭环意识
  • 请介绍一个你参与过的AI项目,包括业务背景、技术方案、数据流程、模型选择和最终效果
  • 机器学习或深度学习模型过拟合时,你会从哪些方面进行排查和优化?
  • 你如何进行数据采集、清洗、标注和预处理,如何判断数据集质量是否满足训练要求?
  • 请说明你对大模型微调和提示词工程的理解,以及在业务场景中如何落地
  • 面对一个业务智能化需求,你会如何拆解任务并推动方案落地?

职位点评

薪资福利50
成长发展82
工作生活48
使命价值70

薪资福利

50较低

JD明确写为薪资面议,未披露具体薪资和福利信息,因此难以判断薪酬竞争力。可确认的是岗位为北京AI研发方向,但福利与稳定性相关信息未提及。

薪资信号面议 (1.8千–3.0万/月)

成长发展

82较高

岗位明确涉及机器学习、深度学习、大模型应用、智能算法优化、技术调研和前沿技术跟进,技能成长空间较清晰。JD提到输出技术调研报告、测试总结和落地优化方案,但未明确提及导师制、内部培训或晋升通道。

技术前沿前沿/新兴技术
技术栈机器学习、深度学习、大模型应用、智能算法优化、大模型微调、提示词工程、神经网络、开源框架
业务类型ambiguous

工作生活

48较低

JD未明确说明远程、混合办公、弹性工时或加班情况,无法判断办公灵活性。工作地点明确为北京市,但具体办公区和通勤便利度仍需向招聘方确认。

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

70中等

岗位强调AI智能化项目落地、传统业务数字化和智能化升级、提升业务运行效率,具有一定的技术应用价值。JD未提及明确的社会使命或公共价值导向,意义感主要来自技术落地和业务提效。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs