崗位職責： 1. 參與AI技術規劃與戰略設計：根據公司的整體戰略和業務目標，參與制定AI技術發展的規劃和實施路線圖；分析并識別業務部門的痛點，評估AI技術在各業務領域的潛力，提出具體的應用場景和技術解決方案。 2. AI應用的落地與實施：參與AI項目的整個生命周期，從需求分析、技術選型、方案設計到最終的產品實現和部署。確保AI應用能夠真正提高工作效率、提升產品質量，并解決實際的業務問題。 3. 數據分析和模型支持：提供數據分析和建模支持，確保AI應用的算法和模型能夠基于真實的數據進行有效訓練；參與數據采集、清洗、標注等工作，確保高質量的數據輸入。 技能要求： 1. AI技術基礎與應用能力： （1）熟悉常見的機器學習和深度學習算法，如回歸、分類、聚類、神經網絡（CNN, RNN, Transformer等）、強化學習、對抗神經網絡等，能夠根據業務需求選擇合適的算法。 （2）具備一定的自然語言處理能力，能夠應用NLP技術處理文本數據、語音識別、文本生成、情感分析等應用場景。 （3）具備使用計算機視覺技術處理圖像和視頻的能力，如目標檢測、圖像分類、面部識別等應用。 （4）熟悉Python編程語言、同時熟悉C和JAVA的更佳。熟悉在Python下的神經網絡框架，如TensorFlow、PyTorch、Keras等。 2. LLM技術與應用能力： （1）理解LLM的工作原理：專家需要了解LLM（如GPT、BERT等）的架構、訓練過程、使用的算法（例如Transformer架構）以及大規模數據訓練對模型性能的影響。 （2）行業定制化：具備將LLM應用于特定領域（如機頂盒、攝像頭等研發領域和生產、財務領域等）的能力，能夠理解行業特定的語言和需求，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現LLM的快速應用和部署。 （4）與其他AI技術的整合能力：理解如何將LLM與其他技術相結合，打造跨系統的智能體或Agent。同時能夠將LLM應用通過API形式集成到公司現有的產品和業務系統中，形成完整的AI業務支持。 （5）具備識別和過濾模型生成內容的能力，確保輸出符合合規和安全要求。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，增加AI系統的透明度。 （6）多模態與跨領域應用：具備將LLM與其他技術（如計算機視覺、音頻處理等）結合的能力，創建多模態的AI解決方案。 （7）熟悉行業內的通用標準，如OpenAPI。了解如何將外圍能力與LLM相結合，實現完整工作流。了解數據庫管理和構建、服務的并發支持。 3. 數據治理能力： （1）數據質量管理：AI業務專家需要能夠確保數據質量，識別和處理缺失數據、異常值、重復數據等問題。熟悉數據預處理技術，如歸一化、標準化、特征工程等，確保數據能夠有效地用于AI建模。確保來自不同數據源的數據的一致性和完整性，避免數據沖突或丟失，建立清晰的數據驗證規則。 （2）數據合規與隱私保護：確保數據使用符合國家的法律和公司的要求，制定嚴格的數據訪問權限管理策略，確保用戶數據在AI模型訓練、應用和部署過程中得到有效保護。能夠識別潛在的數據安全風險，并能夠采取措施防止數據泄露或未經授權的訪問，尤其是在云環境或分布式環境下。 （3）數據生命周期管理：管理數據的整個生命周期，包括數據的創建、存儲、使用、銷毀等環節。確保數據能夠高效、安全地流動，避免冗余數據帶來的負擔。 4. 戰略性思維與業務洞察能力： （1）能夠結合公司的整體戰略目標，設計出符合業務需求的AI技術路線圖。根據市場趨勢、技術演進和公司現有的業務狀況，提出長期和短期的AI發展規劃，確保AI技術在公司內部的價值最大化。 （2）深入理解公司的核心業務，能夠識別業務流程中的痛點，結合AI技術提供切實可行的解決方案。尤其要能夠分析業務痛點，并提供AI落地的可行性建議。 （3）市場與行業趨勢分析：時刻關注市場與行業的AI技術趨勢。評估新興AI技術對業務的潛在影響和可能性。