岗位职责：
1.负责机器学习及深度学习算法的设计、实现及优化；包括监督学习（分类、回归、排序等模型）、无监督学习（聚类、降维等）、半监督学习模型；尤其在异常检测算法方面有深入研究与实践，如基于密度的局部异常因子算法（LOF）、One-Class SVM、孤立森林算法、自编码器等异常检测模型，并能根据不同业务场景选择最优算法；
2.负责机器学习项目的全流程，包括业务理解、数据理解、数据预处理、特征工程、模型训练、评估和部署，将机器学习模型应用于实际业务场景；
3.跟踪和研究机器学习领域的新技术，探索新的算法和优化方法。掌握深度学习和大模型应用方法是加分项；
4.能独立编写项目技术文档，算法方案，并记录算法设计和优化过程；为团队成员提供技术支持，协助解决技术难题。

岗位要求：
1.计算机科学、人工智能、电子信息等相关专业，本科以上学历优先；具备扎实的数学基础，包括概率论、统计学、线性代数、优化理论等；
2.精通 Python 语言，熟练运用 Numpy、Pandas、Scikit - learn 等常用库进行数据处理、分析与建模；熟悉 Java 语言，能够根据项目需求进行高效算法实现与系统开发；
3.熟练掌握 TensorFlow、PyTorch 等主流深度学习框架中的一种或多种，能独立完成模型搭建、训练与优化；熟悉 Spark ML、Python Sklearn 等机器学习框架，可灵活运用其进行传统机器学习算法实践；
4.深入理解机器学习和神经网络基本原理，熟练掌握常见机器学习算法，尤其在异常检测算法方面有深入研究与实践，如基于密度的局部异常因子算法（LOF）、One-Class SVM、孤立森林算法、自编码器等异常检测模型，并能根据不同业务场景选择最优算法；
5.具备强大的数据处理能力，能够进行数据清洗、数据标注、特征工程等工作；善于从小/海量数据中提取有效信息，进行数据探索性分析，为模型训练提供高质量数据。熟悉特征选择和特征组合方法，能够在小/海量数据场景下构建有效的特征集，提升模型性能。掌握数据增强、特征工程、模型鲁棒性优化技巧（如对抗训练、迁移学习）等
6.具有较强的问题分析与解决能力，具备持续学习能力。