崗位職責(zé):
1. 參與AI技術(shù)規(guī)劃與戰(zhàn)略設(shè)計(jì):根據(jù)公司的整體戰(zhàn)略和業(yè)務(wù)目標(biāo),參與制定AI技術(shù)發(fā)展的規(guī)劃和實(shí)施路線圖;分析并識(shí)別業(yè)務(wù)部門的痛點(diǎn),評(píng)估AI技術(shù)在各業(yè)務(wù)領(lǐng)域的潛力,提出具體的應(yīng)用場(chǎng)景和技術(shù)解決方案。
2. AI應(yīng)用的落地與實(shí)施:參與AI項(xiàng)目的整個(gè)生命周期,從需求分析、技術(shù)選型、方案設(shè)計(jì)到最終的產(chǎn)品實(shí)現(xiàn)和部署。確保AI應(yīng)用能夠真正提高工作效率、提升產(chǎn)品質(zhì)量,并解決實(shí)際的業(yè)務(wù)問題。
3. 數(shù)據(jù)分析和模型支持:提供數(shù)據(jù)分析和建模支持,確保AI應(yīng)用的算法和模型能夠基于真實(shí)的數(shù)據(jù)進(jìn)行有效訓(xùn)練;參與數(shù)據(jù)采集、清洗、標(biāo)注等工作,確保高質(zhì)量的數(shù)據(jù)輸入。
技能要求:
1. AI技術(shù)基礎(chǔ)與應(yīng)用能力:
(1)熟悉常見的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法,如回歸、分類、聚類、神經(jīng)網(wǎng)絡(luò)(CNN, RNN, Transformer等)、強(qiáng)化學(xué)習(xí)、對(duì)抗神經(jīng)網(wǎng)絡(luò)等,能夠根據(jù)業(yè)務(wù)需求選擇合適的算法。
(2)具備一定的自然語(yǔ)言處理能力,能夠應(yīng)用NLP技術(shù)處理文本數(shù)據(jù)、語(yǔ)音識(shí)別、文本生成、情感分析等應(yīng)用場(chǎng)景。
(3)具備使用計(jì)算機(jī)視覺技術(shù)處理圖像和視頻的能力,如目標(biāo)檢測(cè)、圖像分類、面部識(shí)別等應(yīng)用。
(4)熟悉Python編程語(yǔ)言、同時(shí)熟悉C和JAVA的更佳。熟悉在Python下的神經(jīng)網(wǎng)絡(luò)框架,如TensorFlow、PyTorch、Keras等。
2. LLM技術(shù)與應(yīng)用能力:
(1)理解LLM的工作原理:專家需要了解LLM(如GPT、BERT等)的架構(gòu)、訓(xùn)練過程、使用的算法(例如Transformer架構(gòu))以及大規(guī)模數(shù)據(jù)訓(xùn)練對(duì)模型性能的影響。
(2)行業(yè)定制化:具備將LLM應(yīng)用于特定領(lǐng)域(如機(jī)頂盒、攝像頭等研發(fā)領(lǐng)域和生產(chǎn)、財(cái)務(wù)領(lǐng)域等)的能力,能夠理解行業(yè)特定的語(yǔ)言和需求,并為其定制AI解決方案。
(3)熟悉LangChain、LlamaIndex等LLM框架,可以依托這類型的框架實(shí)現(xiàn)LLM的快速應(yīng)用和部署。
(4)與其他AI技術(shù)的整合能力:理解如何將LLM與其他技術(shù)相結(jié)合,打造跨系統(tǒng)的智能體或Agent。同時(shí)能夠?qū)LM應(yīng)用通過API形式集成到公司現(xiàn)有的產(chǎn)品和業(yè)務(wù)系統(tǒng)中,形成完整的AI業(yè)務(wù)支持。
(5)具備識(shí)別和過濾模型生成內(nèi)容的能力,確保輸出符合合規(guī)和安全要求。了解LLM的黑箱特性,并能夠在某些情況下解釋模型決策的依據(jù),增加AI系統(tǒng)的透明度。
(6)多模態(tài)與跨領(lǐng)域應(yīng)用:具備將LLM與其他技術(shù)(如計(jì)算機(jī)視覺、音頻處理等)結(jié)合的能力,創(chuàng)建多模態(tài)的AI解決方案。
(7)熟悉行業(yè)內(nèi)的通用標(biāo)準(zhǔn),如OpenAPI。了解如何將外圍能力與LLM相結(jié)合,實(shí)現(xiàn)完整工作流。了解數(shù)據(jù)庫(kù)管理和構(gòu)建、服務(wù)的并發(fā)支持。
3. 數(shù)據(jù)治理能力:
(1)數(shù)據(jù)質(zhì)量管理:AI業(yè)務(wù)專家需要能夠確保數(shù)據(jù)質(zhì)量,識(shí)別和處理缺失數(shù)據(jù)、異常值、重復(fù)數(shù)據(jù)等問題。熟悉數(shù)據(jù)預(yù)處理技術(shù),如歸一化、標(biāo)準(zhǔn)化、特征工程等,確保數(shù)據(jù)能夠有效地用于AI建模。確保來自不同數(shù)據(jù)源的數(shù)據(jù)的一致性和完整性,避免數(shù)據(jù)沖突或丟失,建立清晰的數(shù)據(jù)驗(yàn)證規(guī)則。
(2)數(shù)據(jù)合規(guī)與隱私保護(hù):確保數(shù)據(jù)使用符合國(guó)家的法律和公司的要求,制定嚴(yán)格的數(shù)據(jù)訪問權(quán)限管理策略,確保用戶數(shù)據(jù)在AI模型訓(xùn)練、應(yīng)用和部署過程中得到有效保護(hù)。能夠識(shí)別潛在的數(shù)據(jù)安全風(fēng)險(xiǎn),并能夠采取措施防止數(shù)據(jù)泄露或未經(jīng)授權(quán)的訪問,尤其是在云環(huán)境或分布式環(huán)境下。
(3)數(shù)據(jù)生命周期管理:管理數(shù)據(jù)的整個(gè)生命周期,包括數(shù)據(jù)的創(chuàng)建、存儲(chǔ)、使用、銷毀等環(huán)節(jié)。確保數(shù)據(jù)能夠高效、安全地流動(dòng),避免冗余數(shù)據(jù)帶來的負(fù)擔(dān)。
4. 戰(zhàn)略性思維與業(yè)務(wù)洞察能力:
(1)能夠結(jié)合公司的整體戰(zhàn)略目標(biāo),設(shè)計(jì)出符合業(yè)務(wù)需求的AI技術(shù)路線圖。根據(jù)市場(chǎng)趨勢(shì)、技術(shù)演進(jìn)和公司現(xiàn)有的業(yè)務(wù)狀況,提出長(zhǎng)期和短期的AI發(fā)展規(guī)劃,確保AI技術(shù)在公司內(nèi)部的價(jià)值最大化。
(2)深入理解公司的核心業(yè)務(wù),能夠識(shí)別業(yè)務(wù)流程中的痛點(diǎn),結(jié)合AI技術(shù)提供切實(shí)可行的解決方案。尤其要能夠分析業(yè)務(wù)痛點(diǎn),并提供AI落地的可行性建議。
(3)市場(chǎng)與行業(yè)趨勢(shì)分析:時(shí)刻關(guān)注市場(chǎng)與行業(yè)的AI技術(shù)趨勢(shì)。評(píng)估新興AI技術(shù)對(duì)業(yè)務(wù)的潛在影響和可能性。