决策优化算法实习生

公司介绍：第四范式是中国智能决策市场的最大参与者。公司致力于实现企业级人工智能快速规模化落地，为企业提供以“决策型AI”、“生成式AI”为核心的技术、产品及解决方案，推动传统企业的数字化转型进程。2023年2月发布自研的多模态大模型产品“式说（4Paradigm SageGPT）”，已积累了数家国内最早的AIGC产业应用。目前已上市。 部门介绍：科技部目前专注于AI大模型、计算机视觉、自然语言处理、机器学习、决策优化、语音等领域的前沿技术研究和应用落地。内部采用更为平等友好的开源社区模式，大家可根据自己的兴趣与意愿自由选择任务。在这样的环境下，同学们可以近距离接触许多不同的技术领域和业务赛道，从而快速取得综合能力的全面提升。 面试形式：简历通过直接进入线上笔试环节，笔试包括代码题和算法题，会通过邮件和短信形式通知同学线上笔试具体时间和安排，笔试通过即可进入终面，面试通过可快速发放offer并入职。 base地点：北京/上海/武汉/深圳 岗位职责 •使用领先的机器学习、强化学习或运筹优化技术提供实际问题的优化方法和解决方案。 •尝试、设计领先的机器学习或强化学习算法、计算框架，提升机器学习或强化学习系统执行效率。 •尝试、设计领先的多目标优化算法、非确定优化算法和在线优化算法，提升算法的优化效率。 •对实际问题进行抽象，设计开发机器学习、强化学习或运筹优化组件，降低解决方案的实现复杂度。 •持续提升机器学习、强化学习算法或运筹优化算法可用性和易用性，降低使用门槛。 •创造更有价值的机器学习、强化学习或运筹优化产品，通过技术创新推动产品提升或客户业务增长。

岗位要求 •计算机，数学相关专业本科及以上学历。 •良好的数学、数据结构、算法基础，熟悉Linux基本操作。 •对机器学习、运筹优化、强化学习有一定的研究基础，有充足的运筹优化、机器学习、强化学习实践经验。 •有较好的数学基础和扎实的编程基础，熟练掌握Python，C++等一种常用编程语言。 •对分布式计算框架有较深了解。 •有较强的业务理解能力与学习能力，与人沟通积极主动。 •有英文文献阅读理解能力，较强抗压能力和学习能力。 加分项 •有较强的代码能力优先，有各类竞赛获奖经历(如kaggle，天池、DF、DC等比赛平台)、有过ACM等编程竞赛经历，或代码开源在github上并有较大影响。 •在Interspeech/ICASSP/ACL/EMNLP/ NAACL等顶会顶级会议或者期刊发表论文者。 •机器学习、强化学习或运筹优化相关博士研究经历及实际应用成功落地经历。