崗位職責(zé)：
1、系統(tǒng)架構(gòu)設(shè)計與優(yōu)化
負(fù)責(zé)企業(yè)級Java系統(tǒng)的整體架構(gòu)設(shè)計，包括應(yīng)用架構(gòu)、數(shù)據(jù)架構(gòu)及技術(shù)選型，確保系統(tǒng)的高可用性、高并發(fā)性及可擴(kuò)展性。
結(jié)合AI技術(shù)（如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大模型等）設(shè)計混合架構(gòu)，推動AI模型與傳統(tǒng)業(yè)務(wù)系統(tǒng)的無縫集成。
優(yōu)化現(xiàn)有系統(tǒng)架構(gòu)，解決性能瓶頸（如響應(yīng)速度、吞吐量、資源利用率等），提升系統(tǒng)穩(wěn)定性和效率。
2、AI平臺與技術(shù)落地
主導(dǎo)AI平臺的規(guī)劃與建設(shè)，包括模型訓(xùn)練、推理服務(wù)、數(shù)據(jù)管道及監(jiān)控體系的設(shè)計與實現(xiàn)。
研究并應(yīng)用前沿AI技術(shù)（如大語言模型、計算機(jī)視覺、NLP等），結(jié)合業(yè)務(wù)場景設(shè)計端到端解決方案（如智能推薦、自動化決策、數(shù)據(jù)分析等）。
推動AI模型的工程化落地，設(shè)計模型部署方案（如TensorFlow Serving、ONNX、Kubernetes），并實現(xiàn)模型與Java后端的高效交互。
3、技術(shù)攻關(guān)與創(chuàng)新
解決復(fù)雜技術(shù)難題，如分布式系統(tǒng)中的AI任務(wù)調(diào)度、實時數(shù)據(jù)處理、模型推理延遲優(yōu)化等。
探索AI與Java生態(tài)的融合技術(shù)（如Spring AI、微服務(wù)集成、Serverless架構(gòu)），推動團(tuán)隊技術(shù)升級。
跟蹤AI領(lǐng)域技術(shù)趨勢（如MLOps、AutoML、AIGC），評估其在業(yè)務(wù)中的可行性并制定落地計劃。
4、團(tuán)隊協(xié)作與指導(dǎo)
指導(dǎo)開發(fā)團(tuán)隊完成技術(shù)實現(xiàn)，確保代碼質(zhì)量、架構(gòu)規(guī)范及AI模塊的可維護(hù)性。
參與需求評審、技術(shù)方案設(shè)計及代碼評審，推動團(tuán)隊在Java與AI領(lǐng)域的技術(shù)能力提升。
協(xié)調(diào)產(chǎn)品、算法、運(yùn)維等多團(tuán)隊協(xié)作，確保AI項目的高效交付與持續(xù)迭代。
5、業(yè)務(wù)與技術(shù)戰(zhàn)略規(guī)劃
結(jié)合公司業(yè)務(wù)戰(zhàn)略，制定AI技術(shù)路線圖，推動AI能力在核心業(yè)務(wù)場景（如智能客服、風(fēng)控、供應(yīng)鏈優(yōu)化等）中的規(guī)模化應(yīng)用。
分析行業(yè)趨勢，提出基于AI的創(chuàng)新業(yè)務(wù)方向，并設(shè)計技術(shù)驗證原型（PoC）。

任職要求：
1、技術(shù)背景與經(jīng)驗
Java技術(shù)棧：精通Java語言及主流框架（如Spring Boot、Spring Cloud、MyBatis），熟悉分布式系統(tǒng)設(shè)計（微服務(wù)、消息隊列、緩存、分布式事務(wù)）。
AI技術(shù)棧：具備機(jī)器學(xué)習(xí)/深度學(xué)習(xí)實戰(zhàn)經(jīng)驗，熟悉TensorFlow、PyTorch等框架，了解模型訓(xùn)練、調(diào)優(yōu)及部署流程；有大模型（如LLM、RAG）應(yīng)用經(jīng)驗者優(yōu)先。
系統(tǒng)架構(gòu)能力：5年以上Java架構(gòu)經(jīng)驗，3年以上AI系統(tǒng)設(shè)計或開發(fā)經(jīng)驗，主導(dǎo)過高并發(fā)、高可用系統(tǒng)的架構(gòu)設(shè)計。
數(shù)據(jù)技術(shù)：熟悉數(shù)據(jù)庫優(yōu)化（MySQL、PostgreSQL等），了解大數(shù)據(jù)技術(shù)（Hadoop、Spark）及實時計算（Flink）。
2、AI工程化能力
熟悉AI模型的工程化流程，包括數(shù)據(jù)預(yù)處理、特征工程、模型部署、監(jiān)控及A/B測試。
有實際項目經(jīng)驗，能夠?qū)I模型（如分類、回歸、聚類、生成模型）集成到Java系統(tǒng)中，并解決接口性能、數(shù)據(jù)同步等問題。
了解MLOps工具鏈（如MLflow、DVC、Kubeflow），有容器化（Docker、K8s）及云原生（AWS SageMaker、Azure ML）實踐經(jīng)驗者優(yōu)先。
3、軟技能與綜合素質(zhì)
業(yè)務(wù)理解力：能夠深入分析業(yè)務(wù)需求，將AI技術(shù)與業(yè)務(wù)場景結(jié)合，設(shè)計可落地的解決方案。
溝通能力：具備跨團(tuán)隊協(xié)作能力，能與算法工程師、產(chǎn)品經(jīng)理、運(yùn)維團(tuán)隊高效溝通。
學(xué)習(xí)能力：對新技術(shù)敏感，能快速掌握前沿AI技術(shù)（如AIGC、多模態(tài)模型）并推動其應(yīng)用。
抗壓能力：在復(fù)雜項目中承擔(dān)核心角色，適應(yīng)快節(jié)奏、高強(qiáng)度的工作環(huán)境。
加分項
有AI垂直領(lǐng)域經(jīng)驗（如金融風(fēng)控、醫(yī)療影像、智能制造）或開源AI項目貢獻(xiàn)者優(yōu)先。
熟悉低代碼/無代碼平臺、AI模型壓縮（如量化、蒸餾）、邊緣計算等技術(shù)。
擁有AWS/Azure/GCP云認(rèn)證或AI相關(guān)認(rèn)證（如TensorFlow Developer Certificate）