岗位职责：
1、负责PDF/Word/Excel等格式图文识别、分类、入库；
2、负责内外部网页内容抓取、去除干扰数据、标准化入库；
3、负责图片中文字内容识别、排版、纠错、标准化入库；
4、编写公共接口，为公司其他项目提供 PDF解析、网页解析、图文解析 等接口服务；
5、跟进OCR、爬虫、NLP前沿技术，将其工程化应用到公司产品中；
6、支持公司相关产品的研发工作。

任职要求：
1、**本科及以上学历；计算机、数学、信息技术、自然语言处理、数据挖掘相关专业；3年以上工作经验；
2、熟练使用 Python，熟悉相关环境部署，熟悉Linux常用命令；
3、熟悉 PyPDF2、PyMuPDF、Borb 等开源库，在项目中有实际使用经验；
4、熟悉 PaddleOCR、EasyOCR、Chineseocr、Tesseract、OpenCV 等开源库，有实际使用经验；
5、熟悉 Scrapy、Pyppeteer、Selenium，有实际使用经验；
6、熟练使用SQL，熟悉MySQL等关系型数据库；
7、有Django、Docker经验者优先；
8、工作积极主动，富有学习精神，愿意挑战高难度任务，编码规范。