高级机器学习算法工程师
相关职位简介
- 来源:北京昇科能源科技有限责任公司
高级机器学习算法工程师
岗位职责1.开发用于云平台的针对动力电池的机器学习算法和模型,包括但不限于电池状态估计及寿命预测模型.车辆预警模型.异常检测算法;2.基于公司的大数据平台,将车辆及电池数据与业务场景相结合,建立预测.预警模型或异常检测方法;3.跟踪业界最新的机器学习算法和研究趋势,并将其应用于实际的数据环境,发现和解决问题。任职要求1.本科以上学历,计算机.软件工程.信息工程.通信工程.数学及相关专业;2年以上NLP或CV相关经验;2.扎实的数学和编程功底,熟练掌握Python.C/C++.JAVA中的一门或多门语言;3.熟悉常用的机器学习算法和深度学习算法;4.熟练掌握至少一种深度学习框架,如:TenorFlow.PyTorch等;5.有异常检测.工业故障诊断.车辆及电池大数据分析经验者优先;6.有管理经验的优先考虑。技能需求:Python,深度学习,数据挖掘,Linux
所需技能: 深度学习算法、算法设计、机器学习算法、C++、Python、Java、数据挖掘、数据分析
- 来源:武汉市锶兰科技开发有限责任公司
高级机器学习算法工程师
工作职责●与业务部门.业务分析师沟通,识别业务痛点,制定数据分析方案,提供数据洞察;●针对业务数据进行定性与定量分析,提供预测.归因分析.应用个性化推荐算法,辅助业务决策与运营;●持续对算法模型进行评估.优化并且应用;●和数据工程团队.BI团队共同构建数据分析与机器学习产品。任职资格●985.211高校计算机或相关专业本科及以上学历;●良好的英文听说读写能力;●3年及以上数据挖掘或机器学习相关经验,有大型互联网公司工作经验者优先;●良好编程基础,熟悉掌握C++/Python/SQL/R中的至少两种编程语言;●了解机器学习算法原理,对算法高效实现有浓厚兴趣;●熟练掌握一种以上深度学习框架(Caffe,Tenorflow,Kera等);●有模型和算法落地实施的经验,能独立完成对算法模型的评估.优化和应用;●能够运用Spark.Flink等大数据工具进行数据处理;●熟练进行特征工程.有用户画像.用户标签体系构建经验者优先;●具备良好的逻辑分析能力,快速学习的能力和较强的责任感。●沟通能力强,主动性好,积极乐观,学习能力强,责任心强,有一定抗压能力。
所需技能: 深度学习算法、推荐算法、算法设计、机器学习算法、Python、SQL、分布式技术
- 来源:北京与光科技有限公司
高级机器学习算法工程师
职位描述:1.针对根据探测器数据,识别物体指标.异常情况;2.根据业务场景,设计算法模型;3.根据模型需求,与探测器硬件开发沟通提升方向;4.负责算法的云上部署以及与嵌入式工程师对接;岗位要求:1.对数据敏感.深刻理解和熟练运用各类主流机器学习算法。包括但不限于线性模型.树模型.概率图模型.聚类模型.深度学习模型.多任务学习.迁移学习.强化学习.整数规划算法.VRP算法(其中若干种即可);2.熟练掌握python和c++;3.有丰富的实际项目经验和算法部署经验;4.责任心强,善于学习新事物,有较强的分析问题和解决问题的能力。与光科技Seetrum是一家清华大学科研成果转化的高科技创业公司,致力于成为全球光谱芯片的领导者,让光谱感知无处不在。与光科技由长江学者特聘教授领衔,聚集了一批纳米光学.集成电路.人工智能.云计算等前沿领域的行业精英。在全球范围内,与光科技首创了快照式CMOS超光谱成像芯片,该芯片具有精度高.成本低.可量产的优势,打破了现有光谱检测设备体积庞大.价格高昂.仅支持扫描式成像的瓶颈,将为消费电子.医疗诊断.机器视觉.环保监测等行业拓展新的传感维度。
所需技能: 深度学习算法、视觉图像算法、Python、C++
入门书籍
- Python深度学习
- 统计学习导论
- 神经网络与深度学习
- 数字图像处理
职业晋升路径
横向职业发展
职业问答
算法项目的核心是支持业务,不能改进业务状态、对业务进行赋能的算法项目都是技术堆叠的空中楼阁
为提高业务指标,算法工程师应该按照以下流程开展工作:
1、明确业务指标的定义:若有现成指标,可直接使用;若无相关指标,需要向业务进行调研,设计指标的量化规则和统计口径,并需得到业务认可(相关数据源需和数据团队沟通,数据仓库未集成的需要提出相关需求)
2、明确业务痛点:通过和业务的沟通调研,明确当前的业务痛点,并通过数据分析和数据挖掘手段,将该痛点进行量化(若业务不能明确业务痛点,需要通过数据手段发现)
3、明确项目目标:根据业务指标和痛点,设定明确的项目目标,该目标是可量化且可对比,要提前定义好对比维度和方案,且所需数据是数据仓库已(可)集成的或算法可输出的
4、算法可行性研究:以项目目标未基准,针对当前已有数据和业务逻辑,通过多轮迭代优化的数据分析和数据挖掘,明确算法对实现项目目标的可行性,并初步完成 demo 开发
5、算法设计:设计方案应当包含算法本身开发的设计方案,数据流程和数据对接的设计方案,和上下游系统交互的对接的设计方案
6、算法开发和测试:根据设计方案进行算法开发,过程中要不断和数据团队和系统方进行沟通,根据实际情况调整方案
7、算法上线和监控:按照上线流程进行算法上线,并按照运维要求提供监控逻辑,对算法运行状态进行监控,同时根据业务逻辑规则对算法产生的业务结果进行监控
8、总结汇报:根据 3 中定义的方案进行算法结果汇总和报告
9、迭代优化:后续不断地根据算法结果和业务反馈进行算法迭代和优化