一、技術能力
精通機器學習/深度學習框架(PyTorch/TensorFlow等),熟悉至少一種編程語言(Python/R)
深入掌握以下至少兩個方向:
時序數(shù)據(jù)分析(LSTM/Transformer等)
推薦系統(tǒng)與強化學習
多模態(tài)數(shù)據(jù)融合(CV/NLP/生物信號處理)
可解釋性AI(XAI)技術
有醫(yī)療/教育數(shù)據(jù)集處理經(jīng)驗(如MIMIC、EDU等公開數(shù)據(jù)集)者優(yōu)先
二、崗位職責
1.教育領域算法開發(fā)
設計并實現(xiàn)個性化學習路徑推薦、知識圖譜構(gòu)建、學習效果預測等算法
開發(fā)自然語言處理(NLP)技術應用于智能輔導系統(tǒng)(如自動批改、問答系統(tǒng))
結(jié)合多模態(tài)數(shù)據(jù)(文本/音頻/視頻)優(yōu)化教育場景下的行為分析與反饋模型
2.疾病預警與健康干預
實現(xiàn)基于心率/血氧時序數(shù)據(jù)的慢性?。ㄈ鏑OPD、心衰)急性發(fā)作預測模型
開發(fā)個性化運動/康復方案推薦算法,結(jié)合用戶生理指標動態(tài)調(diào)整強度
優(yōu)化低血氧(SpO2<90%)快速識別與報警機制,滿足家用醫(yī)療設備需求
3.心理領域算法研究
實現(xiàn)情緒識別、壓力檢測或心理健康狀態(tài)評估模型(融合語音/文本/生理信號)
開發(fā)基于認知行為理論的干預方案生成算法
優(yōu)化心理測評量表的自動化分析與報告生成技術
4.跨領域技術整合
探索教育、健康、心理數(shù)據(jù)的融合應用(如通過學習行為預測心理健康風險)
推動算法在真實場景中的落地,與產(chǎn)品、醫(yī)學、教育專家協(xié)作優(yōu)化模型