用友网络
算法工程师
算法工程师
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Ai算法
Nlp
Pytorch
Sql
Tensorflow
大语言模型
机器学习
深度学习
值不值得投
66综合评分
综合评分 66
HR SaaS领域AI算法岗，技术前沿性较强，但WLB和薪资灵活性一般。
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
24K
比算法优化工程师中位数低
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 240 个在招
市场机会
选择不多
苏州 · 算法优化工程师 · 3 个在招
职位详情
关于这个职位
该职位负责用友网络HR SaaS产品中AI核心算法的设计与落地，需深入理解人力资源招聘业务，推动大语言模型、NLP等AI技术在产品中的创新与迭代
要求具备3年以上AI算法经验，精通机器学习、深度学习及Python等技术栈
最低要求
硕士及以上学历，计算机科学、人工智能、机器学习、自然语言处理、统计学、数学等相关专业
年以上AI算法相关工作经验，具备丰富的企业级AI项目落地经验
精通机器学习与深度学习核心算法，包括但不限于分类、回归、聚类、排序、推荐系统、序列建模等
熟练掌握NLP相关技术，如文本分类、实体识别、语义匹配、文本生成等，有大语言模型（LLM）应用经验者优先
熟练使用Python，精通至少一种主流深度学习框架（如PyTorch、TensorFlow等）
具备扎实的数据处理能力，熟悉SQL，了解大数据处理工具（如Spark、Hive等）者优先
具备良好的工程化意识，熟悉模型部署、服务化、性能优化等工程实践
工作职责
负责公司HR SaaS系统中AI核心算法的设计
深入理解人力资源招聘业务流程，结合业务需求挖掘AI应用场景，推动AI能力在产品中的落地与迭代
主导算法模型的全生命周期管理，包括数据采集与清洗、特征工程、模型训练与评估、线上部署与效果监控
持续跟踪前沿AI技术（如大语言模型、NLP、推荐系统、知识图谱等），评估其在HR业务场景中的适用性，推动技术创新与成果转化
与产品、研发、业务团队紧密协作，将算法能力高效集成到系统产品中，确保算法方案的工程化落地与稳定运行
建立并完善算法评估体系，通过A/B测试、数据分析等手段持续优化模型效果，提升用户体验与业务指标
参与技术方案的评审与架构设计，为团队提供算法层面的技术指导与专业建议
优先资格
有大语言模型（LLM）应用经验者优先
了解大数据处理工具（如Spark、Hive等）者优先
AI 洞察
优缺点分析
优点
- 专注于HR SaaS细分领域，AI技术应用明确，业务价值直观
- 要求掌握前沿AI技术（如LLM），有助于技能持续更新
- 公司规模较大，项目资源相对充足，利于工程化实践
- 需深入理解人力资源业务，对非技术背景的求职者有学习门槛
- 适合具备扎实AI算法基础、有企业级项目经验，并对HR科技或SaaS领域感兴趣的工程师
缺点 / 挑战
- 算法在企业级场景落地可能面临数据质量、系统集成等工程挑战
- 持续跟踪技术前沿并推动创新，对学习能力和适应力要求较高
角色解读
- 可向高级算法工程师或技术专家发展，深耕HR领域的AI技术
- 有机会参与跨团队项目，积累业务与技术复合能力，转向技术管理或产品方向
- 通过持续跟踪前沿AI技术，保持技术竞争力，拓展在AI行业内的影响力
- 设计并落地HR SaaS产品中的AI核心算法，如推荐系统、NLP模型
- 深入理解人力资源业务，挖掘AI应用场景，推动技术产品化
- 主导算法模型的全生命周期管理，包括数据处理、训练、部署与监控
- 跟踪前沿技术（如大语言模型），评估其在业务中的适用性并推动创新
- 精通机器学习与深度学习算法，包括分类、排序、序列建模等
- 熟练掌握NLP技术（如文本分类、实体识别）和大语言模型应用
- 熟练使用Python及主流深度学习框架（PyTorch/TensorFlow），具备数据处理能力（SQL、Spark）
- 具备良好的工程化意识，熟悉模型部署与性能优化
申请策略
- 研究用友网络的HR SaaS产品，理解其业务场景与技术需求
- 准备具体案例，说明如何将AI技术应用于类似业务问题
- 突出3年以上AI算法项目经验，尤其是企业级落地案例
- 强调NLP、大语言模型或推荐系统的具体应用成果
- 展示Python、深度学习框架及大数据工具的使用熟练度
- 提及跨团队协作经验，体现工程化意识和业务理解能力
- 补充HR业务领域知识，了解招聘流程与痛点
- 深入学习大语言模型（LLM）的最新应用与实践
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术选型、挑战解决与业务影响
- 结合HR场景（如简历筛选、岗位匹配）说明LLM应用思路，并讨论数据隐私、模型效率等实际考量
- 阐述评估指标（如准确率、A/B测试）和优化方法，强调数据驱动与迭代过程
- 请描述一个你主导的AI算法从设计到落地的完整项目经验
- 你如何将大语言模型（LLM）应用于HR业务场景？有哪些挑战？
- 如何评估和优化一个算法模型在生产环境中的效果？
- 你如何与产品、研发团队协作，确保算法方案工程化落地？
- 你如何跟踪AI技术前沿，并评估其在业务中的适用性？
职位点评
薪资福利65
成长发展80
工作生活50
使命价值65
薪资福利
65中等
公司为已上市企业，薪资可能处于市场中等水平，但福利信息未在JD中提及。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
80较高
职位涉及前沿AI技术（如大语言模型、NLP），提供技术深度实践和业务融合的机会，有利于技能成长。
技术前沿前沿/新兴技术
技术栈大语言模型、NLP、机器学习、深度学习、推荐系统
成长机会持续跟踪前沿AI技术、推动技术创新与成果转化
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式，可能默认现场办公；未提及WLB或弹性安排。
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
65中等
HR SaaS行业稳定，AI技术在该领域应用具有社会价值（如提升招聘效率），但非高增长赛道。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动AI能力在产品中的落地与迭代
创新程度积极采用新技术
Watch Jobs