职位职责： 1、跟踪人工智能、机器学习方向的全球前沿趋势，例如多模态数据工程、大规模分布式训练、分布式推理，对产品业务方向有独到思路； 2、对LLM、DIT、VIT技术架构的原理、工程框架有深入理解，对主流开源模型进行编码，熟悉开源模型微调/推理优化产品方案； 3、对接客户的算法、工程团队，提供产品接入技术支持，协同商务完成对接需求，对产品的业务目标负责； 4、深刻洞察客户需求，沉淀形成面向目标客户、目标场景的产品解决方案，助力客户AI开发压缩项目周期、降本增效、业务创新，推动产品方案从0到N，可复制、可规模化售卖； 5、与内外团队配合，推动产品持续迭代优化，确保产品方案与市场需求匹配，完成项目方案规划和交付。 职位要求： 1、本科及以上学历，3年以上机器学习平台产品或商业化相关经验，成功落地过机器学习平台项目，对于生成式人工智能的发展有独立见解； 2、熟悉机器学习算力集群架构、工程架构以及平台端到端的业务流程； 3、有ToB机器学习平台产品从0-1孵化、公有云/私有云智算中心项目经验； 4、有大模型预训练、精调、推理服务实际操作能力，训练加速、推理加速等工程优化技术背景、以及推理流量调度技术背景优先； 5、逻辑性强，有很好的商业敏感度和快速学习能力，能够协调内外部资源，抓重点、控制预期，推动项目成功； 6、在泛互联网垂直领域AI业务场景、主流开源模型微调/推理优化、主流国产异构算力适配方面有行业经验是加分项。

职位职责： 团队介绍：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 课题介绍：大规模推荐系统正在越来越多的应用到短视频、文本社区、图像等产品上，模态信息在推荐系统中的作用也越来越大。 字节实践中发现模态信息能够很好的作为泛化特征支持推荐等业务场景，端到端的超大规模多模态推荐系统的研究具有非常大的想象空间。 期望在算法和工程CoDesign基础上，对多模态Cotrain、7B/13B大规模参数模型、更长序列端到端等方向进一步进行探索。 工程上研究方向包括多模态样本的表征、基于 pytorch 框架的高性能多模态推理引擎、高性能多模态训练框架的构建、异构硬件在多模态推荐系统上的应用；算法上的研究方向包括设计合理的推荐广告和多模态Cotrain结构、Sparse MOE、Memory Network、混合精度等。 1、负责机器学习系统架构的设计开发，以及系统性能调优； 2、负责解决系统高并发、高可靠性、高可扩展性等技术难关； 3、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、任务编排、模型训练、模型推理、模型管理、数据集管理、工作流编排、ML for System等； 4、负责机器学习系统前瞻技术的调研和引入，比如：最新硬件架构、异构计算系统、GPU优化技术的引入落地； 5、研究基于机器学习方法，实现对集群/服务资源使用情况的分析和优化。 职位要求： 1、2026届及之后毕业，博士在读，计算机、软件工程等相关专业优先； 2、熟练掌握Linux环境下的C/C++/Go/Python/Java等1至2种以上语言； 3、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护； 4、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分，良好的团队合作精神； 5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力； 6、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。 加分项： 1、熟悉Kubernetes架构，有丰富的云原生系统开发经验； 2、熟悉至少一种主流的机器学习框架（TensorFlow/PyTorch/MXNet）； 3、熟悉Django、Flask等相关技术，有其后端开发经验； 4、有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture(GPU，Accelerators，Networking)，Machine Learning Frameworks，ML for System，Distributed Storage； 5、有大规模云计算平台或私有云产品架构开发经验。

职位描述： 1、使用数学统计与机器学习算法，利用海量数据进行数据挖掘与模型开发； 2、参与数据模型的优化监控以及部署实施； 3、深入了解行业需求，参与金融大数据项目和产品的需求分析、算法选型、与方案设计。 职位要求： 1、具有数理统计、计算机、机器学习等专业本科及以上学历，具有扎实的理论基础，对算法有深刻理解； 2、具有1年及以上数据挖掘建模分析的经验，有将商业模型从构建到实际落地的完整项目经验； 3、熟练掌握至少一门编程语言快速编码能力（Python/R/Spark），能够快速高效的实现常用的机器学习模型和算法； 4、对金融科技领域充满热情与探索欲，勇于拥抱变化，有优秀的学习能力； 5、具有良好的项目管理与沟通意识，自我驱动能力强。

技能要求： Python，数据挖掘，算法，Linux，机器学习 职位描述: 1、机器学习算法在推荐场景中的创新与应用。 2、金融数据挖掘与分析。 职位要求: 1、计算机、数学、物理及金融相关专业本科及以上学历。 2、良好的业务理解能力和逻辑思维能力，出色的问题分析及解决能力 3、推荐/搜索及相关研究方向者优先，有机器学习相关论文者优先。

工作内容： 1.针对具体的业务问题，规划、设计基于数据挖掘的解决方案； 2.参与文本挖掘项目，包括数据准备，数据建模及后期的模型评估等工作； 3.对现有模型进行维护或更新； 4.阅读前沿论文，在项目中应用。 任职资格： 1.985院校研究生； 2.熟悉自然语言处理和基本的机器学习方法论，如word2vec, LSTMs, CNN, Seq2seq, crf； 3.熟练使用Python语言，有较强的编程能力； 4.有阅读英文学术论文能力； 5.了解深度学习工具，使用过Tensorflow或PyTorch；

工作地点杭州之江实验室新园区 工作内容： 1. 基于多模态大数据进行深度挖掘和优化，能够从业务和产品的角度出发，利用数据发现产品、系统或是业务的瓶颈，并提出优化的方案。 2. 能够利用数据挖掘，机器学习等技术分析和解决实际问题，例如实现模块自动化，或者优化现有算法的精度。 3. 定期进行产品的全面诊断分析，发现业务问题，为上层决策提供参考。 4. 紧跟机器学习及深度学习前沿技术，并应用于业务扩展中，实现业务价值。 任职要求： 1. 计算机，电子信息，统计，应用数学等相关专业背景，硕士及以上学历。 2. 从事过机器学习、数据挖掘、NLP等算法相关的项目经验，熟悉常见的概率统计、数据挖掘、机器学习等算法。 3. 熟练使用C++、JAVA、scala、Python、R、SAS等编程语言中的至少一种，具备一定的模型开发能力，熟练使用SQL、shell。 4. 良好的逻辑思维能力，善于发现和分析问题。 5. 具备较好的算法理论基础，喜欢研究前沿技术，有相关经验和顶会文章发表的优先。

实习薪资：300元/天 岗位职责： 1. 协助跨境电商数据的数据挖掘工作； 2. 根据实际需求和问题，应用统计建模、数据挖掘、机器学习等方法建立数学模型解决实际问题，设计、评估、落地数据挖掘方案； 3. 协助梳理、整合能解决业务问题的可复用数据挖掘方案，沉淀形成数据中台的挖掘工具，持续提升挖掘效率。 任职要求： 1、数学、统计学、金融工程、计算机科学等相关专业，高年级本科生或研究生； 2、对数据敏感，具有良好的数据导向思维； 3、 对主流的数据挖掘技术具较好的理解，了解主流算法和工具方法； 4、参与过实际应用项目优先（如回归分析、时间序列建模等）； 5、熟悉Python、Java、C++等至少一门编程语言，具有良好的编程能力和快速学习能力。

工作职责 1.参与深度学习在计算机视觉领域的应用 2.参与图像及点云的障碍物检测、分类、分割、事件检测及目标跟踪 3.参与交通标志信号灯识别的算法研发 4.参与深度学习模型的优化与嵌入式平台部署 任职要求： 1.对机器学习、数据挖掘、深度学习等算法领域有研发热情和扎实的基础 2.计算机、电子、数学及相关专业研究生、博士生 3.了解掌握和精通深度神经网络的代表性框架和前沿算法 4.对嵌入式AI和深度学习架构部署有经验者优先 5.视觉领域爱好者，学习能力强并紧跟行业发展动态

岗位描述：负责问答系统的设计和开发；图像识别，验证码识别；
能力要求：计算机及相关专业，研究方向图像或语音相关；熟练掌握Java，Python语言，有Linux系统下开发经验优先；了解机器学习、数据挖掘、深度学习的经验者优先；对业务问题肯钻研，有想法，责任心强，良好的团队合作精神，较强的沟通能力。实习期长的想转正的优先。
优先：有相关图像识别或语音识别相关经验有自然语言处理、分词相关经验

我们正在寻找两名熟悉人工智能方面的大学生实习生。该职位需要有良好的编程技能和数学基础，以及对自然语言处理和机器学习算法的理解。 正在攻读计算机科学、数据科学或相关专业的本科生或研究生； 熟练掌握Python编程语言； 熟悉自然语言处理和机器学习算法； 具备良好的数学基础； 能够独立思考和解决问题； 有数据处理和分析经验者优先考虑。

[职位介绍] 本岗位为灵活的远程兼职，适合想利用**时间增加收入的朋友。地点不限、时间自由，无论在家还是在校，只要在规定时间内完成项目即可。公司为正规单位，无需押金，无隐性费用。我们欢迎具有责任心和技术热情的伙伴加入，按需求完成编程和算法分析项目。 [工作流程] 我们负责项目来源，将任务发布至工作群。您可根据个人时间和意愿选择项目，按工作量报价。接单后需要负责项目交付，确保质量和时效。公司与您四六分成，您获得60%的收入。项目交付后，提供7天短期售后支持并及时结算。 [岗位职责及要求] 1. 精通以下至少一项或多项技术：Python、机器学习、深度学习、目标检测、图像处理、算法复现、神经网络、计算机视觉、自然语言处理、表情识别、SLAM算法等。 2. 熟练使用Matlab/Simulink，并在以下至少一项或多项技术方向有深入理解：电气工程、电路设计、电力系统、通信技术、光伏风电、无人机、运动控制、动力学建模、机械臂、数值模拟、电磁场、区块链等。 [发展机会] 1. 成为平台资深兼职算法工程师，积累项目经验与技能。 2. 有机会参与平台自研的NLP和CV模型。 3. 将来可选择成为平台的全职AI算法工程师（支持远程或驻场）。 4. 更多职业发展机会与成长规划。 [我们的优势] 1. 收益透明：您直接向客户报价，客户确认交付后，款项当晚结算。 2. 稳定的项目来源：平台提供丰富的客户资源，无需自行寻找项目。 3. 优质客户筛选：平台筛选优质客户群体，为您降低沟通成本。 4. 接单自由：可选择性接单，无强制要求，灵活安排工作时间。 5. 权益保障：提供专业交付服务支持和客服服务，确保您的权益。

岗位要求： 1，熟悉主流编程语言：C/C++，Java，Python等 2，熟悉机器学习基础算法，熟悉大模型原理 3，熟练阅读英文文献 岗位职责： 1，阅读论文，进行总结并复现 2，改造开源安全算法，实现算法原型 3，定期总结漏洞挖掘人工智能方法最新学术进展 4，可以大部分时间段远程实习，每周去公司1~2天现场沟通交流

职位概述： 我们正在寻找一位对自然语言处理（NLP）、大模型或语音处理领域有热情的机器学习算法实习生。作为实习生，您将有机会参与公司团队的研究和开发工作，运用机器学习算法解决实际的自然语言处理、大模型或语音处理问题。我们的团队致力于创造技术创新和解决复杂问题，为您提供一个学术和技术实践的平台，以便将您的研究兴趣转化为实际应用。 职责和任务： - 参与设计、开发和调优面向NLP、大模型或语音处理领域的机器学习算法模型 - 使用Python、TensorFlow、PyTorch等工具实现和实验机器学习模型 - 分析和处理大规模数据集，并进行特征工程和数据预处理 - 进行算法性能评估和优化，以提高模型的准确性和性能 - 研究和探索最新的机器学习算法和技术，以促进团队的技术创新和发展 - 与团队成员合作，共同解决技术难题，并为项目进展提供支持 任职要求： - 硕士/博士学位在计算机科学、人工智能、统计学或相关领域 - 对自然语言处理（NLP）、大模型或语音处理研究方向有浓厚的兴趣和热情 - 熟悉常见的机器学习算法和深度学习框架，如神经网络、卷积神经网络、循环神经网络等 - 具备良好的编程能力，熟悉Python语言，并熟悉常用的机器学习工具包和库 - 具备数据分析和处理的能力，熟悉特征工程和数据清洗技术 - 具备良好的团队合作精神和沟通能力，能够与多学科团队合作解决问题 - 具备扎实的数学和统计知识，能够理解和运用相关的数学原理和算法 加分项： - 在NLP、大模型或语音处理领域拥有项目经验或相关实习经验 - 对深度学习模型的优化和加速有一定了解 - 在机器学习或相关领域的科研论文发表 公司提供有竞争力的实习津贴和学术导师指导，为优秀者提供转正机会。我们期待您的加入，与我们共同推动机器学习算法在NLP、大模型或语音处理领域的前沿研究和应用发展。

工作职责 1.协助利用机器学习方法构建投资组合，并尝试建立多因子机器学习组合优化方案 任职要求 1.重点院校硕士及以上学历，计算机、数学、人工智能、数据科学等相关专业； 2.数理基础扎实，编程能力突出，熟悉机器学习算法，如神经网络、树模型、强化学习等，熟练使用Pytorch/Tensorflow等基本框架； 3.了解运筹优化算法和组合优化，熟悉常用优化方法。 加分项： 1.量化行业机器学习或互联网大厂算法相关实习经验； 2.高性能计算、CUDA加速、并行计算等相关实习经验； 3.ACM、kaggle、量化比赛、算法比赛、建模大赛等竞赛经历并取得优异成绩； 4.顶会或学术期刊论文发表； 5.对市场微观结构（包含股票，比特币，债券）有深入了解，参与过因子开发、组合开发和组合优化等。

职位职责： 团队介绍：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 课题介绍：大规模推荐系统正在越来越多的应用到短视频、文本社区、图像等产品上，模态信息在推荐系统中的作用也越来越大。 字节实践中发现模态信息能够很好的作为泛化特征支持推荐等业务场景，端到端的超大规模多模态推荐系统的研究具有非常大的想象空间。 期望在算法和工程CoDesign基础上，对多模态Cotrain、7B/13B大规模参数模型、更长序列端到端等方向进一步进行探索。 工程上研究方向包括多模态样本的表征、基于 pytorch 框架的高性能多模态推理引擎、高性能多模态训练框架的构建、异构硬件在多模态推荐系统上的应用；算法上的研究方向包括设计合理的推荐广告和多模态Cotrain结构、Sparse MOE、Memory Network、混合精度等。 1、负责机器学习系统架构的设计开发，以及系统性能调优； 2、负责解决系统高并发、高可靠性、高可扩展性等技术难关； 3、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、任务编排、模型训练、模型推理、模型管理、数据集管理、工作流编排、ML for System等； 4、负责机器学习系统前瞻技术的调研和引入，比如：最新硬件架构、异构计算系统、GPU优化技术的引入落地； 5、研究基于机器学习方法，实现对集群/服务资源使用情况的分析和优化。 职位要求： 1、2026届及之后毕业，博士在读，计算机、软件工程等相关专业优先； 2、熟练掌握Linux环境下的C/C++/Go/Python/Java等1至2种以上语言； 3、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护； 4、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分，良好的团队合作精神； 5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力； 6、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。 加分项： 1、熟悉Kubernetes架构，有丰富的云原生系统开发经验； 2、熟悉至少一种主流的机器学习框架（TensorFlow/PyTorch/MXNet）； 3、熟悉Django、Flask等相关技术，有其后端开发经验； 4、有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture(GPU，Accelerators，Networking)，Machine Learning Frameworks，ML for System，Distributed Storage； 5、有大规模云计算平台或私有云产品架构开发经验。