工作职责
1.机器学习模型数据工程：
a.负责1机器学习模型全生命周期数据支持：定性/定量评估数据质量，执行数据获取、清洗、质检、标注，构建高质量训练/评估数据集。
b.服务端AI部署与调优： 负责服务端先进AI模型（如Diffusion、LLM、VLLM）的部署与性能优化，提升推理效率，降低运营成本。
c.分析模型效果，定位问题，驱动模型迭代优化。
2.大模型微调全流程优化：
a.训练数据战略与构建： 负责大模型训练数据的整体策略规划，包括数据需求分析、数据源探索与评估、大规模数据采集、清洗、去重、标注、数据混合比例优化以及数据质量监控体系的建立。
b.训练策略迭代与调优： 主导大模型训练过程的策略制定与持续优化，包括分布式训练框架配置与优化（如DeepSpeed, FSDP）、学习率调度、优化器选择与参数调整、正则化策略（Dropout, Weight Decay）、批处理策略、混合精度训练、Checkpointing策略等，以最大化训练效率和模型性能。
c.大模型微调支持： 设计、实现并优化针对特定下游任务的大模型微调方案（如Prompt Tuning, LoRA, Adapter, P-tuning等参数高效微调方法），提供微调策略、超参数调优指导和技术支持，确保微调模型达到最佳效果。
d.训练过程监控与问题诊断： 实时监控训练过程（损失曲线、评估指标、硬件资源利用、梯度/激活分布等），快速识别并诊断训练瓶颈（如梯度消失/爆炸、过拟合/欠拟合、数据噪声、硬件故障），提出并实施解决方案。
3.AI产品应用分析与优化：
a.深入理解业务策略与产品逻辑，挖掘痛点，推动大模型技术在业务场景的落地应用。
b.持续监控、分析并调优已落地的大模型及其产品化表现。
用户行为洞察与产品改进：
c.设计并管理用户行为埋点规范，收集处理用户行为数据。
d.进行用户行为挖掘与活跃用户分析，洞察产品体验问题，提出数据驱动的改进建议。
任职资格
1.教育背景： 本科及以上学历，数理统计、计算机科学、大数据、人工智能等相关专业优先。
2.技术工具： 精通Hive、SQL、Excel、PPT；熟练掌握Python；掌握主流AI算法原理，具备丰富的算法工程集成、性能优化及落地实践经验；熟悉统计分析模型与常见大模型架构及数据工程方法。
3.分析能力： 对数据高度敏感，具备出色的逻辑分析、系统性思维与结构化问题拆解能力；有清晰的分析方法论沉淀，能准确定位并解决问题。
4.AI产品与工程经验：具备大模型数据工程或AI产品设计经验者优先。了解AI前沿技术，有能力推动AI技术在业务场景落地，并关注应用的可持续性与可扩展性。
5.数据挖掘与建模： 熟练掌握数据挖掘全流程（数据预处理、特征工程、模型应用与调优），精通聚类、回归、决策树、神经网络等机器学习模型；能独立挖掘数据价值，发现规律。
6.AB实验能力： 精通AB实验方法论，具有丰富实践经验；熟练掌握指标管理、假设检验方法，能独立设计完整的AB实验评估体系与方案。
加分项和注意事项
1.AI行业经验：有虚拟角色产品、情感交互型应用或UGC社区经验者优先，或从0-1孵化AI产品的经验。
2.内容创作背景： 自身是活跃的内容创作者，或在某一内容垂类领域有深入理解和实践经验。
3.用户增长经验： 具备用户增长、A/B测试、渠道推广等相关经验。