跳槽必看:人工智能(多行业),30K-50K(平均40K)

立即投递

岗位职责：
1.前沿技术学习与探索：
●在指导下，参与图基础模型（Graph Foundation Models）、图生成模型（如图扩散模型）及图神经网络的相关研究与代码复现。
●协助探索提示学习（Prompt Learning）及大模型适配技术在图数据上的应用可能性，阅读并整理相关领域的最新论文。
●参与图学习领域SOTA成果的调研与复现尝试，输出技术笔记或在组内进行分享交流。
2.业务场景辅助落地：
●协助团队进行供应链优化、智能风控等场景下的图数据预处理、特征工程及基础算法代码实现。
●参与图模型的实验验证，协助记录实验数据、分析模型效果，并配合团队进行策略调优。
3.工具链维护与实验支持：
●学习并使用主流图学习框架（PyG, DGL等）搭建基础的实验流程，协助维护数据预处理及自动化评测脚本。
●协助团队完善图算法的评估维度，参与模型鲁棒性、可解释性等指标的测试与记录工作。
任职要求：
1.学历背景：计算机科学、人工智能、数学、统计学等相关专业，本科高年级或硕士及以上在读，预计2026年或2027年毕业，每周实习不少于4天，持续3个月以上。
2.理论基础：
●具备基本的机器学习与深度学习理论基础，了解常见的神经网络结构。
●对图神经网络（GNN）有基本认知，对**图生成式AI、大语言模型（LLM）**等前沿方向有浓厚兴趣者优先。
3.编程能力：
●熟悉Python编程，具备良好的代码阅读习惯，了解基本的软件工程规范。
●了解PyTorch或TensorFlow框架，有使用过PyG (PyTorch Geometric) 或 DGL 进行课程作业或项目经验者优先。
●接触过图数据库（如Neo4j，Nebula）或对其有兴趣者加分。
4.学习与科研潜力：
●具备良好的英文文献阅读能力，愿意尝试阅读并理解学术论文。
●拥有良好的逻辑思维，在指导下能够完成实验任务，并善于总结问题和沟通反馈。
5.综合素质：
●对图计算和AI前沿技术充满好奇心，具备较强的自驱力和主动学习意识。
●性格开朗，具备良好的团队协作精神，能积极融入研发团队。
加分项（满足任意一项即可显著增加录用概率）：
1.学术潜力：在会议（如NeurIPS, ICLR, KDD等）发表过论文，或有在投论文、优秀的课程设计报告。
2.开源热情：关注主流图学习框架（PyG, DGL等），有过开源社区贡献（PR）或个人GitHub上有相关的练习项目。
3.竞赛经历：在Kaggle、天池、ACM等竞赛中获得过奖项，或在相关赛道进入前20%。
4.项目经验：在校期间参与过Graph + LLM、图数据挖掘或生成式模型相关的课程项目或科研课题。
5.技术分享：拥有技术博客，记录过学习笔记、论文解读或代码复现过程。"

查看详情 →

立即投递

职位描述：
1. 建设大规模的视频生成基础模型，达到业界Sota水准，应用于AI视频业务。
2. 进行视频生成相关的数据建设、筛选、打标和评估，以及算法的设计和效果迭代，提升视频生成的效果。
职位要求：
1. 计算机、数学、自动化等相关专业的硕士及以上学位，有视频生成、图片生成、多模态预训练、视频理解、图片理解，其中一个或者多个领域的算法研究经验。
2. 熟悉视频生成算法实现全流程者优先，提出过相关Sota方法者，发表过相关论文者优先。
3. 优秀的代码能力，熟练掌握Pytorch，能快速复现算法，并且能针对性优化。
4. 优秀的团队合作能力和持续学习能力，能在团队合作中高效推进项目进展。"

查看详情 →

立即投递

岗位职责：
1. 对设备运行数据进行分析，通过数据发现设备和工艺的内在规律或问题，为解决问题提供数据支持和参考方案；
2. 与工艺和设备工程师紧密合作，在解决复杂数据分析方面发挥关键作用；
3. 推动数据分析方法的实施，如故障检测和分类（FDC）、故障预测和健康管理PHM（预测健康管理）、预测维护（PdM）、高级过程控制（APC）等；
4. 建立适合本公司产品的数据分析方法和工具。
岗位要求：
1. 应用数学、统计学、自动化、计算机工程、电气工程或其他定量领域的硕士或博士学位；
2. 精通机器学习、深度学习和统计算法，以设计和实现稳健高效的模型；
3. 熟悉数据处理流程和特征工程，掌握PCA、SVD、SVM、k-means聚类等算法；
4. 精通Python或Matlab，熟悉Scipy、Sklearn、Numpy、Pandas等科学计算库；
5. 具有良好的口头和书面沟通能力；
优先条件：
1. 熟悉Pytorch或Tensorflow等深度学习框架；
2. 掌握C#或C++；
3. 有数据科学领域文章、相关领域项目经验。
可选工作地点：
上海、沈阳"

查看详情 →