岗位职责： 1. 语音识别，声纹识别方向 需求： 1. 熟悉C++和Python 2. 熟悉机器学习和深度学习算法 3. 熟练使用Pytorch或TensorFlow 4. 有Kaldi，DeepSpeech，ESPNet经验优先 5. 每周实习时间保证4天以上

岗位名称：搜索、推荐算法工程师 岗位职能：算法工程师 工作年限：3-5年 学历要求：硕士及以上 工作职责： 负责如下场景的模型训练以及落地 1、自然语言处理场景；任务举例：文本分类、实体识别、query 分析、分词、情感分析等； 2、搜索、推荐召回场景；任务举例：基于 Query 的召回、基于 item 的召回等； 3、搜索、推荐精排场景； 岗位需求： 1、对数据敏感，具有优秀的逻辑思维能力，善于分析问题，解决问题； 2、精通主流深度学习框架：Tensorflow、PyTorch 等； 3、深刻理解机器学习和深度学习算法原理；对 query 分析、相关性、召回模型、机器学习 排序有深刻的理解和应用经验； 4、深刻理解深度学习算法的训练，可根据不同业务场景对模型本身进行调优，精通训练数 据的构造、训练超参的调整； 5、熟悉主流 NLP 算法及推荐算法，比如：BERT 模型、DSSM、ESMM、CRF、GNN 等； 6、有复现论文模型的相关经验； 7、有深度学习部署框架（Triton、Onnx、TFServing 之一）相关业务应用的落地经验； 8、了解大数据（Spark、Hive）技术； 9、熟悉 Java，有工程落地经验者优先；

职位描述： 1、追踪并改进前沿深度学习感知算法，包括但不限于多模态BEV物体检测分割，在线地图构建等； 2、构建各项任务的数据闭环与预标注系统，提升以数据为核心的算法迭代效率； 3、根据实际业务场景，优化并定制相关算法，部署进入自动驾驶系统。 职位要求： 1、熟悉至少一项无人车感知任务，有处理真实大规模数据经验； 2、熟悉python, c++； 3、动手能力强，可以快速将想法落实。 加分项 1、有计算机视觉或机器学习相关研究经验，有高水平论文发表； 2、参加kaggle或知名会议上举办的相关比赛取得优异成绩； 3、ACM/ICPC、CCPC、NOI、IOI等计算机/信息学竞赛获奖经历。

岗位要求： 1、积极配合算法研发团队，收集，清洗，整理数据，并进行数据标注，建立算法测试/训练数据集，为算法研发人员提供数据支撑； 2、负责算法的准确性，性能，稳定性，可用性等的测试和评测，完成算法和产品的集成测试，编写测试用例和测试报告； 3、能够依据算法的不同，从服务业务的功能、效果、稳定性进行测试设计与执行，根据业务的不同制定不同的测试策略，使用不同的测试方法，分析定位问题； 4、参与产品需求评审，具有较好的业务理解能力和沟通能力，测试严谨认真负责。 任职资格： 1、本科及其以上学历，超过1年TTS\ASR\NLP的相关测试经验； 2、了解自然语言处理，或语音识别的相关测试方法和基础知识，了解asr、nlp、tts的测试流程 3、熟悉测试流程以及测试相关技术者优先； 4、掌握Python语言，使用jmeter、potman等测试工具； 5、有较强的创新能力，良好的沟通能力以及团队协作能力； 6、良好的责任心、逻辑性、沟通能力，团队合作精神，独立并积极主动。

岗位名称：搜索、推荐算法工程师 岗位职能：算法工程师 工作年限：3-5年 学历要求：硕士及以上 工作职责： 负责如下场景的模型训练以及落地 1、自然语言处理场景；任务举例：文本分类、实体识别、query 分析、分词、情感分析等； 2、搜索、推荐召回场景；任务举例：基于 Query 的召回、基于 item 的召回等； 3、搜索、推荐精排场景； 岗位需求： 1、对数据敏感，具有优秀的逻辑思维能力，善于分析问题，解决问题； 2、精通主流深度学习框架：Tensorflow、PyTorch 等； 3、深刻理解机器学习和深度学习算法原理；对 query 分析、相关性、召回模型、机器学习 排序有深刻的理解和应用经验； 4、深刻理解深度学习算法的训练，可根据不同业务场景对模型本身进行调优，精通训练数 据的构造、训练超参的调整； 5、熟悉主流 NLP 算法及推荐算法，比如：BERT 模型、DSSM、ESMM、CRF、GNN 等； 6、有复现论文模型的相关经验； 7、有深度学习部署框架（Triton、Onnx、TFServing 之一）相关业务应用的落地经验； 8、了解大数据（Spark、Hive）技术； 9、熟悉 Java，有工程落地经验者优先；

1. 负责设备端语音降噪唤醒、识别、语义理解问题排查及优化研发，包括结合海尔语音设备整机结构进行语音效果问题分析、算法调优，设备端调试及问题修复； 2. 侧重于语音设备端降噪增强、识别、语义理解类算法研发及应用创新，推进海尔语音系统架构优化升级，推进语音技术在海尔产业落地，打造标准化解决方案；

岗位职责： 1. AI 业务应用开发： a. 负责 AI 算法的工程实现，包括模型部署、优化和集成，提升业务系统的智能化水平。 b. 参与 AI 解决方案的全流程开发，从需求分析、模型选型、训练、评估到线上部署。 2. AI 系统架构与优化： a. 设计并优化 AI 相关的系统架构，确保其高效、稳定、可扩展。 b. 结合业务需求，优化推理速度、降低计算成本，提高 AI 服务的可用性。 3. AI 模型应用与改进： a. 结合业务场景，应用深度学习、自然语言处理（NLP）、计算机视觉（CV）等技术，解决实际问题。 b. 持续跟踪 AI 技术前沿，结合业务需求改进现有模型，提高预测精度、稳定性和计算效率。 4. 数据处理与特征工程： a. 负责数据的采集、清洗、预处理和特征工程，构建高质量的 AI 训练数据集。 b. 设计高效的数据管道，支持大规模数据处理，提高 AI 训练与推理的效率。 岗位要求： 1. 基础技能要求： a. 计算机或相关专业本科及以上学历，熟悉数据结构、算法、操作系统和计算机网络。 b. 精通Python编程语言，并具备良好的编程习惯和代码优化能力。 c. 熟悉 深度学习框架（TensorFlow/PyTorch），能基于现有框架训练、优化并部署 AI 模型。 d. 具备 NLP、计算机视觉、推荐系统等至少一个领域的实践经验，并理解相关算法原理。 2. 工程能力要求： a. 熟悉 Docker、Kubernetes、TensorRT等，能在生产环境中高效部署 AI 模型。 b. 了解 数据库（SQL/NoSQL），能处理大规模数据并优化 AI 训练数据流。 c. 具备 AI 系统的工程化能力，能构建高效、可扩展的 AI 服务和 API。 加分项： 1. 具备 大模型（LLM）相关经验，能优化和微调开源大模型（如 GPT、Llama、Claude）。 2. 有多模态AI 开发经验（图像+文本+语音）或 强化学习应用经验。 3. 了解 MLOps、AutoML、A/B 测试、AI 监控与评估，能构建自动化 AI 训练与部署流程。 4. 具备创业或业务落地经验，能够平衡技术与商业需求，实现 AI 价值最大化。

1.负责语音模型算法的研发工作，包括语音降噪增强、语音识别、语音合成等语音算法的研发和应用落地； 2.侧重于语音降噪增强、识别类算法在智能家居会话场景的应用，及语音合成算法在对话场景的落地； 3.通过跟踪热点技术和创新，确保算法性能行业领先，帮助海尔产业产生实际价值和打造业界领先的语音应用产品； 4.持续关注学术界和行业的最新研究动态，跟进语音相关的前沿技术发展。

岗位职责: 1、负责行车场景周视感知算法设计和开发工作，包括高速/城区等场景中的障碍物、车道线等感知任务的模型及后处理算法开发工作 2、负责泊车场景环视感知算法设计和开发工作，包括室内、室外等场景中的车位、障碍物等感知任务的模型及后处理算法开发工作 3、负责自动驾驶领域大模型等前沿技术研发工作 任职要求： 1、计算机、汽车工业、机器人、电子或相关专业； 2、熟悉当前主流的深度学习算法，包括但不限于BEV感知、无监督训练、大模型、目标检测、图像分割、多任务学习、多传感融合等领域； 3、熟悉常用的深度学习框架，如PyTorch、TensorFlow、MxNet等，要求至少对其中一种框架较为熟练； 4、至少精通Python或C++编程，熟悉常用的视觉算法库如numpy/opencv等，了解常用的传统图像处理算法。 5、具备针对车载端侧平台检测/分割等算法设计经验和落地能力，有针对自动驾驶场景落地障碍物、车道线、红绿灯、freespace等算法经验者优先。 6、具有正确的价值观、内在驱动力；具有较强的学习能力、沟通能力和团队协作能力；能主动解决问题；能够承受较强的工作压力。

职位描述： 1. 自动驾驶多模态（Camera&Radar&Lidar) 感知处理和优化，包括感知信息的预处理，多模态融合，置信度估计等； 2. 研究先进的多模态感知算法，例如点云+图像的多模态前融合感知、learning-based多模态处理等； 3. 与上下游模块沟通，反馈、承接量产问题，打造量产数据闭环。 职位要求： 1. 扎实的C++开发能力，至少熟悉一种数据分析语言； 2. 有多目标跟踪、多模态融合、深度学习等相关经验； 3. 计算机，信号处理，数学，机器学习，机器人，自动驾驶或相关专业优先； 4. 良好的沟通能力，积极的自主学习态度，对工作认真负责； 5. 具备Radar/Lidar感知处理经验者优先。

职位职责： 1、熟悉推荐中召回、粗排、精排、混排各个阶段模型和策略的改进，优化客户体验； 2、利用业界最先进的手段，持续优化深度转化模型，极致提升LTV、付费率、留存率的预估准确度； 3、熟悉广告中定向、出价、机制等多个阶段的模型和策略的改进，优化客户体验的同时，提升商业变现效率。 职位要求： 1、良好的数据结构、数理统计和概率论等基础；优秀的编码能力，熟练掌握Python/C++/Go更佳； 2、扎实的机器学习/深度学习理论基础，熟练掌握至少一种主流深度学习编程框架； 3、较好的产品意识，愿意将产品效果作为工作最重要的驱动因素； 4、有深度学习模型在广告和推荐业务经验者优先，有出价产品和算法经验者优先。

职位职责： 1、分析和理解大规模结构化和非结构化数据，利用机器学习、NLP、大模型、图算法和迁移学习等，开发高性能分类器、预测模型和算法，构建知识图谱； 2、针对复杂业务场景，协同多个关联部门，完成业务需求所需的AI算法模型或数据挖掘方案的开发交付和验证，达成预定的业务指标； 3、探索和应用前沿的机器学习、NLP、大模型技术，并将其应用于业务场景。 职位要求： 1、本科及以上学历，3年以上算法领域从业经验； 2、具备机器学习相关算法的扎实基础，包括但不限于NLP、深度学习、图模型、大模型等特定领域的全面学习和实践经验； 3、具备对业务数据建模的能力，精通相关实验和原型验证所需的技术栈、特征挖掘、AI算法模型、数理统计算法等相关技术领域； 4、具备实际操作能力，熟练掌握至少一种框架，如TensorFlow或PyTorch，包括其训练和部署的具体细节；熟悉常用的机器学习和深度学习算法，以及基本的网络模型结构和文本表示方法； 5、出色的编码技能，熟练掌握至少一种编程语言，如Python、Go或C++，并具备算法和数据结构的扎实基础； 6、具备优秀的团队协作和沟通技巧。

风控算法工程师（验证码人机方向） 岗位职责： 1、基于不同的验证码形式和终端设计SDK埋点体系并与前端沟通采集逻辑，验证码形式包括不限于滑块、九宫格、图标点选等，终端覆盖Web、H5、Android、Ios。 2、基于采集到的验证码行为数据和设备数据构建人机识别模型判断是否为机器流量，并完成模型的实时线上部署，应用在登录、注册等各个业务场景用于风险识别。 3、通过和黑灰产的不断对抗，维护并持续迭代各验证码人机模型，探索不同的算法模式，并且将之应用到验证码场景中。 职位要求： 1、3年以上反欺诈＆风控、反作弊算法研发经历，计算机相关专业本科及以上学历，算法基础扎实； 2、熟悉黑灰产作弊手法，有成功的黑灰产对抗经验，负责并有效治理过某类反作弊问题，比如批量注册、群控等； 3、熟悉 Python/Scala/Java ，具备优秀的编码能力，至少熟悉一种常见的机器学习／深度学习平台； 4、熟悉大规模数据挖掘、机器学习、自然语言处理、分布式计算等相关技术，有行为序列挖掘相关经验优先； 5、有钻研精神，对安全风控有热情，主观能动性强，能适应快速变化的业务需求，具备良好的团队合作精神和沟通技巧。

风控算法工程师（设备指纹方向） 岗位职责： 1、设备指纹ID算法的设计和研发，基于设备的硬件、网络、环境等设备信息及用户行为数据，根据机器学习/深度学习算法等多种技术手段，生成设备标识。 2、广泛的平台覆盖能力，基于Web、H5、Android、Ios等平台生成对应平台的设备指纹ID。 3、不断优化各终端设备指纹ID算法，保证设备指纹的稳定性达到要求。 4、设备风险分的开发和应用，实现对终端设备上的风险环境识别、风险检测及风险分析。 职位要求： 1、3年以上反欺诈＆风控、反作弊算法研发经历，计算机相关专业本科及以上学历，对机器学习、设备指纹等相关领域有浓厚兴趣。 2、具备良好的项目管理能力、业务流程优化和逻辑判断能力，对风险有敏锐感知，善于从数据和case中发现风险特征和灰黑产作弊规律。 3、熟悉 Python/Scala/Java ，具备优秀的编码能力，至少熟悉一种常见的机器学习／深度学习平台。 4、有钻研精神，对安全风控有热情，主观能动性强，能适应快速变化的业务需求，具备良好的团队合作精神和沟通技巧。

工作职责： 1. 负责贝壳核心房产业务AI能力建设，利用AIGC相关能力推进业务智能化重塑； 2. 深入业务调研熟悉需求场景，参与和业务、产品、工程研发等横向交流学习； 3. 保持对业务的学习能力和持续热情，能探索调研业务实际场景痛点； 4. 结合业务需求，从Prompt优化，模型finetune等方面优化AI模型效果，解决面向业务场景的应用落地问题； 任职资格： 1. 计算机、人工智能等相关专业***硕士研究生及以上学历，2-5年NLP算法模型实践经验； 2.熟练掌握NLP和深度学习模型算法，熟悉Pytorch/Tensorflow等算法框架，掌握大语言模型SFT/LoRA/RLHF等技术； 4. 沟通表达能力强，逻辑思维和抽象思维能力优秀；有NLP顶会论文或国际NLP比赛奖项者优先；