腾讯腾讯云-金融科技架构师

1.作为金融云架构师，为泛金融行业客户和合作伙伴提供云服务业务及技术架构咨询服务，根据腾讯云的实际情况，结合行业发展趋势，制定面向泛金融行业的、有竞争力的金融科技解决方案； 2.根据客户业务的需求和理解合作伙伴的需求，基于腾讯金融云的整体架构，输出满足客户需求的服务解决方案； 3.负责泛金融项目的需求分析、方案设计、传统解决方案云化规划设计、应用迁移和数据迁移等设计工作； 4.支持业务团队进行售前工作，并配合相关的售中/售后等相关业务工作； 5.在客户迁云过程中，根据项目本身的需要，协助研发团队或实施团队（客户合作伙伴交付经理）完成Demo系统搭建，PoC测试及最终迁移工作； 负责上云案例、技术方案的更新维护，以及布道工作。

1. 负责金融行业技术架构解决方案设计，重点满足客户IaaS、PaaS、智算等技术架构方面需求，依托阿里巴巴和蚂蚁金服在分布式架构和智算架构领域的实践，构建云原生、AI原生等全栈解决方案。 2. 负责对金融客户的信息科技规划进行深度分析和洞察，形成有领先型的云化架构转型和智算架构转型方案，对用户信息科技部门和高层领导进行决策影响；其中对标杆客户进行轻咨询类规划引导，形成更加针对性的客户解决方案。 3. 熟悉阿里巴巴相关IaaS、PaaS、大模型、智算等产品能力和竞争优势，掌握各类技术方案的相应技术参数指标，针对不同业务需求优化设计，负责组织相应的POC进行方案支持，保证产品方案的客户价值、可落地性和差异化优势。 4. 面向金融企业客户，在客服、投研、投顾、风控、营销、内部工作提效等场景中，以大模型为基础，通过使用langchain、RAG、SFT、Agent等相关技术架构结合大模型产品设计可落地的大模型应用解决方案，解决客户实际场景问题。 5. 收集客户需求，结合技术研判，向产研部门反馈产品优化需求，提升产品市场竞争力和市场占有率。

1.数据整理与分析：负责收集、整理征信、信贷、司法领域的资料，对数据进行清洗、标注和分类，确保数据的准确性和可用性，为模型训练提供高质量的数据基础； 2.模型调优与评估：基于现有大模型架构，针对信用管理对话场景，通过调整模型参数、优化训练策略等方式，提升模型对征信、信贷相关问题的理解和回答能力，确保输出的准确性和专业性；运用各种评估指标，如准确率、召回率、F1 值等，对模型效果进行客观评估，及时发现问题并提出改进方案； 3.对话策略制定： 深入理解征信知识和客户需求，结合模型特点，制定合理的对话策略，包括问题引导、答案推荐、情绪安抚等，使客服对话更加自然、流畅和高效，提升客户满意度；根据业务发展和市场变化，及时调整对话策略，确保模型能够适应不断变化的客户需求； 4.知识库建设与维护：协助构建和维护征信知识库，将征信基础知识、信贷知识、司法知识、常见问题解答等内容进行系统整理和更新，为模型提供丰富的知识支持，确保模型能够快速准确地回答客户问题；定期对知识库进行审核和优化，确保知识的准确性和时效性。

1. 客户需求分析与方案设计： • 深入理解客户业务场景，挖掘AI可落地的需求，提供定制化解决方案； • 设计端到端AI技术架构，涵盖数据、算法、工程部署等关键环节； • 撰写技术方案文档（如POC方案、可行性分析、实施路线图）； 2. 技术选型与实施支持： • 根据客户需求推荐合适的AI技术（如机器学习、NLP、知识图谱、agent等）； • 评估并选择AI框架（TensorFlow/PyTorch）、云服务（AWS/Azure/阿里云AI）或本地化部署方案； • 协同算法和工程团队，确保解决方案高效落地； 3. 客户沟通与技术推广： • 向客户讲解AI技术能力、应用场景及商业价值； • 主导技术交流、方案演示及POC（概念验证）测试； • 解答客户技术疑虑，提供专业咨询建议； 4. 行业洞察与最佳实践沉淀： • 跟踪AI前沿技术趋势，结合行业特点（如能源、金融，交通）提炼解决方案； • 总结项目经验，形成可复用的方法论和标准化方案。