职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7428494773500168485

大模型应用算法工程师-飞书AI

未披露 · 深圳 · 字节跳动

主分类:大模型与生成式算法研发
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型应用算法工程师-飞书AI",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "深圳",
        "work_mode": "未披露",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品,旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、业务应用:负责将自研的算法模型应用于企业协同软件中,在会议、文档、消息、办公智能体等诸多办公场景中打造最好的AI工具和产品,不断改善用户体验;\n2、模型优化:负责训练大语言模型不断提高其在办公领域的算法质量;建设高效的评测方法和技术体系;采集、调研并生产办公领域的高质量数据集;\n3、技术建设:持续关注业界最新的技术趋势和研究成果,分享行业最佳实践,将前沿技术应用于大模型中。",
        "requirements_text": "1、具备NLP、LLM应用或RAG等相关经验,其一即可;\n2、编程能力强,熟练掌握Python等编程语言;对于AI相关的Python库比较了解,比如Pandas等;\n3、创新能力比较强,对于不断探索新的AI技术和应用场景有强烈意愿和主观能动性;\n4、紧跟AI领域的最新发展动态,通过参加学术会议、阅读前沿论文、在线学习课程等方式不断提升自己的专业知识和技能;\n5、解决问题的能力比较强,善于解决各种繁琐的技术问题;比如数据质量问题、训练问题、部署兼容性问题等;对数据比较敏感,数据工作比较细致,包括数据质量、数据分布、案例分析、数据调优等。\n\n加分项:\n1)熟悉传统机器学习的概念,熟悉机器学习各种任务的定义、目标、解决的问题、及衡量指标;\n2)熟悉深度学习框架,如TensorFlow、PyTorch等;可以利用这些框架快速搭建和训练模型,解决实际问题,比如利用PyTorch搭建一个自然语言处理中的文本分类模型;\n3)具有良好的数学基础,对概率论、线性代数、微积分了解,能够通过数学方法分析模型的性能和误差,能够看懂用公式定义表述的学习任务。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "自然语言处理",
            "解决问题"
        ],
        "preferred_qualifications": "加分项:",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7428494773500168485/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7428494773500168485",
        "post_date": "2024-10-22",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7428494773500168485/detail"
    },
    "fulltext": "大模型应用算法工程师-飞书AI\n职位描述\n1、业务应用:负责将自研的算法模型应用于企业协同软件中,在会议、文档、消息、办公智能体等诸多办公场景中打造最好的AI工具和产品,不断改善用户体验;\n2、模型优化:负责训练大语言模型不断提高其在办公领域的算法质量;建设高效的评测方法和技术体系;采集、调研并生产办公领域的高质量数据集;\n3、技术建设:持续关注业界最新的技术趋势和研究成果,分享行业最佳实践,将前沿技术应用于大模型中。\n\n职位要求\n1、具备NLP、LLM应用或RAG等相关经验,其一即可;\n2、编程能力强,熟练掌握Python等编程语言;对于AI相关的Python库比较了解,比如Pandas等;\n3、创新能力比较强,对于不断探索新的AI技术和应用场景有强烈意愿和主观能动性;\n4、紧跟AI领域的最新发展动态,通过参加学术会议、阅读前沿论文、在线学习课程等方式不断提升自己的专业知识和技能;\n5、解决问题的能力比较强,善于解决各种繁琐的技术问题;比如数据质量问题、训练问题、部署兼容性问题等;对数据比较敏感,数据工作比较细致,包括数据质量、数据分布、案例分析、数据调优等。\n\n加分项:\n1)熟悉传统机器学习的概念,熟悉机器学习各种任务的定义、目标、解决的问题、及衡量指标;\n2)熟悉深度学习框架,如TensorFlow、PyTorch等;可以利用这些框架快速搭建和训练模型,解决实际问题,比如利用PyTorch搭建一个自然语言处理中的文本分类模型;\n3)具有良好的数学基础,对概率论、线性代数、微积分了解,能够通过数学方法分析模型的性能和误差,能够看懂用公式定义表述的学习任务。\n1、业务应用:负责将自研的算法模型应用于企业协同软件中,在会议、文档、消息、办公智能体等诸多办公场景中打造最好的AI工具和产品,不断改善用户体验;\n2、模型优化:负责训练大语言模型不断提高其在办公领域的算法质量;建设高效的评测方法和技术体系;采集、调研并生产办公领域的高质量数据集;\n3、技术建设:持续关注业界最新的技术趋势和研究成果,分享行业最佳实践,将前沿技术应用于大模型中。\n1、具备NLP、LLM应用或RAG等相关经验,其一即可;\n2、编程能力强,熟练掌握Python等编程语言;对于AI相关的Python库比较了解,比如Pandas等;\n3、创新能力比较强,对于不断探索新的AI技术和应用场景有强烈意愿和主观能动性;\n4、紧跟AI领域的最新发展动态,通过参加学术会议、阅读前沿论文、在线学习课程等方式不断提升自己的专业知识和技能;\n5、解决问题的能力比较强,善于解决各种繁琐的技术问题;比如数据质量问题、训练问题、部署兼容性问题等;对数据比较敏感,数据工作比较细致,包括数据质量、数据分布、案例分析、数据调优等。\n\n加分项:\n1)熟悉传统机器学习的概念,熟悉机器学习各种任务的定义、目标、解决的问题、及衡量指标;\n2)熟悉深度学习框架,如TensorFlow、PyTorch等;可以利用这些框架快速搭建和训练模型,解决实际问题,比如利用PyTorch搭建一个自然语言处理中的文本分类模型;\n3)具有良好的数学基础,对概率论、线性代数、微积分了解,能够通过数学方法分析模型的性能和误差,能够看懂用公式定义表述的学习任务。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}