高级算法工程师

岗位职责： 

1、概念验证：配合数据科学家，快速产出算法应用的demo版本，来初步验证算法表现、可行性和AI价值。 

2、算法研发、建模：确定AI应用方向后，深入研发算法，产出泛化能力强、表现强的模型。过程中需要利用深厚的数学知识来研发非常规的算法来解决具体问题，而不只是简单调用常见算法。 

3、模型部署：配合后端工程师和系统运维工程师，将算法和模型加密然后部署到应用工业现场。 

4、算法优化：负责算法表现、建模质量、模型调参、参数优化等。 

5、算法框架：针对应用场景、软硬件情况、网络传输、数据采集存储方式等进行判断，选择并且搭建合适的算法框架。 

任职资格： 

1、精通Python数据分析、数值优化、科学计算、机器学习相关模块（Numpy, Sklearn, Scipy, Pandas, Numba，PyTorch, Tensorflow等）,其它软件开发或科学计算相关语言(Java, Scala，Go, C++, Matlab, Julia等） 如熟悉则加分。 

2、精通各种类型数据库（关系、非关系、图、列式、树状等）的操作和相关语言（SQL，MySQL, MongoDB, Spark, 各种NoSQL，Clickhouse, Neo4J等） 

3、精通应用数学常用领域：线性代数、数值优化、凸优化、向量微积分、统计学、概率论、常/偏微分方程、动态系统、信息论等。 

4、精通机器学习相关数学方法：数据降维压缩和变换、凸优化、傅里叶变换、小波变换、拟合聚类、神经网络、深度学习、强化学习、进化算法、群体智能、蒙特卡罗方法、时间序列分析、马尔可夫决策过程、参数估计、数值稳定性分析等 

5、精通各种常见机器学习算法：线性/非线性拟合、分类和聚类、数据降维压缩变换相关算法（带惩罚项的线性拟合、logistic、决策树、随机森林、贝叶斯岭、K临近值、SVM、PCA、傅里叶变换、Savitsky-Golay等），深度学习（DNN、RNN、CNN，Resnet、Yolo、Siamese等），凸优化算法（Coordinate Descent、Newton、Gradient Descent、Adam、Momentum等），强化学习（TD、QLearning、MonteCarlo等），进化算法（ES、Genetic等）。 

6、熟悉特殊应用领域的相关机器学习算法：元学习，群体智能（Swarm)，动态规划（Dynamic Programming），图算法（最大流量、节点搜索、最短距离、循环检测、生成树、拓扑排序、节点匹配等）。 

7、精通各种机器学习和数据科学相关应用：控制论、信号处理、时间序列分析（包含趋势预测）、数据压缩、仿真建模、图像处理、自然语言NLP、异常检测、相关性分析 

8、加分项：污水处理知识，互联网后端技术（Redis、Kafka、Flask等）工业控制技术（PLC、DCS、winCC等），光谱分析（Raman，UV-Vis，NMR等），英语专6水平或雅思6.5分以上。