logo of dewu

得物【算法】AI工程架构专家(Python/Java方向)

社招全职5年以上技术类地点:上海状态:招聘

任职要求


1. 计算机专业,本科及以上学历,5年以上软件开发相关工作经验,3年以上AI 相关经验优先;
2. 扎实的计算机基础知识,精通Python/Java语言;
3. 熟悉常用机器学习深度学习算法,熟悉PyTorch/TensorFlow等人工智能技术框架,有实战经验者优先;
4. 具备良好的沟通能力和团队协作精神。

工作职责


1. 支撑公司CV算法的迭代需求,开发推理服务,部署CV模型/大模型,保障服务的扩展性、稳定性,并提升推理服务的性能;
2. 与算法同学密切合作,负责机器学习、深度学习算法模型的工程化、服务化;
包括英文材料
学历+
Python+
Java+
机器学习+
深度学习+
算法+
PyTorch+
TensorFlow+
相关职位

logo of dingtalk
社招3年以上技术类-开发

- AI能力研发:基于钉钉智能财务与智能差旅的产品场景(如发票OCR识别、费用分类、预算预测、差旅行程推荐等),设计并实现AI算法模型,实现应用场景落地,提升智能化水平。 - 服务端架构开发:构建高并发、高可用的服务端系统,支持AI模型的在线推理与实时响应,保障企业级业务稳定性。 - 数据与算法工程化:完成从数据采集、清洗、建模到部署的全流程闭环,推动AI模型在生产环境中的落地与迭代优化。 - 跨团队协作:与产品经理、前端工程师、算法专家协同,将AI能力深度集成到钉钉智能财务与差旅产品中,实现业务价值。 - AI工具链建设:探索qwen等大模型的应用场景,通过提示词工程、模型微调等技术优化用户体验。

更新于 2025-08-26
logo of dingtalk
社招3年以上技术类-开发

1. AI能力研发:主导钉钉低代码AI领域的架构设计与AI研发工作,整合大模型和AI技术,赋能低代码平台,提升应用搭建的智能化水平。同时,构建钉钉低代码业务应用小模型,增强低代码应用的智能性,推动钉钉低代码AI的商业化进程 2. 数据与算法工程化:深入分析钉钉低代码应用的结构化数据、业务场景及系统日志,构建钉钉低代码业务领域的数据模型,实现钉钉低代码业务领域轻量化模型架构。通过AI技术推动钉钉低代码业务与技术能力的创新与发展,构建智能化的低代码模型 3. 服务端架构开发:构建高并发、高可用的服务端系统,支持AI模型的在线推理与实时响应,保障企业级业务稳定性 4. 跨团队协作:从商业视角看问题,并协调相关方合作,与产品经理、前端工程师、算法专家协同,将AI能力深度集成到钉钉低代码和智能OA产品中,实现业务价值

更新于 2025-08-18
logo of thead
社招5年以上技术-芯片

我们正在寻找具备深厚技术功底、前瞻性视野和丰富实战经验的DevOps平台工程专家,加入我们致力于构建智能化研发基础设施的核心团队。在这里,你将主导下一代AI驱动的CI/CD平台与智能运维系统的设计与落地,推动软件研发流程向自动化、可观测性、自愈能力和数据驱动决策全面进化。 作为团队的技术骨干,你将: 1. 设计并构建高可用、智能化的CI/CD平台 主导持续集成与持续交付系统的架构演进,支持大规模分布式研发协作;探索机器学习在构建失败预测、测试用例智能推荐、资源调度优化等场景的应用,显著提升交付效率与稳定性。 2. 打造企业级智能化运维(AIOps)体系 基于Python、Go等语言,构建自动化运维工具链与平台化能力,实现基础设施即代码(IaC);引入异常检测、根因分析、故障传播图谱等AI算法,提升系统可观测性与故障响应速度,推动运维从“被动响应”向“主动预防”转变。 3. 构建全链路智能监控与自愈系统 设计并落地覆盖应用、服务、资源的端到端监控体系,集成Prometheus、Grafana、ELK、OpenTelemetry等主流技术栈;结合时序预测(LSTM、Prophet)、无监督异常检测(Isolation Forest、One-Class SVM)等模型,实现性能瓶颈预警、自动诊断与部分场景的闭环自愈。 4. 推动MLOps与DevOps深度融合 主导机器学习模型训练流水线(ML Pipeline)与模型服务化(Model Serving)平台建设,设计模型版本管理、A/B测试、流量灰度、监控告警与快速回滚机制,支撑AI能力高效、稳定地规模化落地。

更新于 2025-10-09
logo of aliyun
社招1年以上技术类-开发

1. 系统架构与工程落地 ● 负责AI Agent框架设计与实现,构建高可用、低延迟的AI Agent生产环境,支持百万级以上用户量的应用、部署平台 ● 负责智能体知识库、流程编排等功能开发,对接头部等流量等载体的接口,输出能力 ● 开发LLM应用基础设施,包括RAG 技术、Agent开发框架(如LangChain) MCP 协议等 ● 优化Agent与工具调用的协同机制,提升任务规划、自主决策和交互体验 ● 探索大模型与Agent技术的结合,解决复杂场景下的推理能力 2. 业务场景适配与创新 ● 推动AI Agent在搜索、营销、服务、DevOps运维等领域的落地 ● 设计符合行业需求的解决方案,如应用导购助理、客服助手、智能编程助手 ● 负责AI项目的推动落地,行业类Agent开发以及行业类RAG系统的架构设计与研发。 ● 负责技术预研、架构设计、业务模型抽象及功能开发保持对业务场景的敏锐洞察,快速熟悉业务流程并理解业务痛点,沟通并分析产品需求,制定技术方案,设计与研发核心系统及模块,推动产品快速迭代。

更新于 2025-05-28