50 lines
6.3 KiB
Markdown
50 lines
6.3 KiB
Markdown
|
# AI模型训练工程师
|
|||
|
|
|
|||
|
|
# 对应岗位：AI模型训练工程师
|
|||
|
|
|
|||
|
|
# 一、项目经历
|
|||
|
|
|
|||
|
|
### （一）项目名称：大规模AI模型训练与部署全链路实战
|
|||
|
|
|
|||
|
|
### （二）实习岗位：AI模型训练工程师助理
|
|||
|
|
|
|||
|
|
### （三）实习时间：2024.05-2024.06
|
|||
|
|
|
|||
|
|
### （四）实习单位：**北京君南圣达信息技术有限公司**
|
|||
|
|
|
|||
|
|
### （五）岗位职责：
|
|||
|
|
|
|||
|
|
1. 协助导师基于 PyTorch 框架完成大规模模型的训练实验，~~学习并实践 混合精度训练（AMP） 与 梯度累积 技巧~~**在指导下接触混合精度训练（AMP）和梯度累积，尝试不同超参数组合并做简单整理，学习如何影响训练收敛速度与性能**。
|
|||
|
|
2. ~~参与数据清洗与特征工程流程~~**主要学习数据清洗和特征处理的方法**，使用 Pandas、NumPy 做格式转换，检查样本不平衡情况，并在老师建议下尝试数据增强策略。
|
|||
|
|
3. 在工程师指导下，参与多种架构（ResNet、LSTM、Transformer）的对比实验，~~协助完成指标收集与分析；根据实验结果撰写阶段性小结~~**帮忙记录实验指标和结果，整理基础小结，逐步理解不同架构在场景下的差异**。
|
|||
|
|
4. ~~参与模型缺陷分析，学习使用 混淆矩阵与错误样本归因（Bad Case Analysis） 定位性能瓶颈~~**接触过用混淆矩阵分析模型效果**，在指导下尝试 Focal Loss 等方法，体会如何改善过拟合或样本不平衡。
|
|||
|
|
5. 协助团队在 Linux 环境下完成开发环境配置，~~熟悉 Git 分支管理与 Code Review 流程~~**学习 Git 的基本操作，尝试代码提交与合并**；在部署环节中，接触 Docker 打包流程，并跟着老师使用 W&B 记录实验参数。
|
|||
|
|
6. ~~在实习期间持续关注 Hugging Face 与 NeurIPS 前沿论文，并尝试复现部分开源代码，参与组会技术分享~~**在老师推荐下阅读 Hugging Face 的文档，尝试复现简单开源代码，并在组会上分享学习笔记**。
|
|||
|
|
|
|||
|
|
# 二、专业技能
|
|||
|
|
|
|||
|
|
### （一）核心能力
|
|||
|
|
|
|||
|
|
1. ~~精通 PyTorch 框架及混合精度训练（AMP）、梯度累积等高级训练技巧~~**掌握 PyTorch 基础训练流程，接触过 AMP、梯度累积等技巧，能在指导下完成实验设置和调参**。
|
|||
|
|
2. ~~深刻理解从数据准备、特征工程、模型训练、评估到轻量化部署的完整MLOps理念~~**了解从数据处理到模型训练、评估再到部署的基本流程，能对不同架构（ResNet、LSTM、Transformer）做基础对比并记录结果**。
|
|||
|
|
3. ~~不仅限于使用准确率等基础指标，更擅长通过混淆矩阵、错误样本归因等技术深度剖析模型缺陷~~**在老师带领下学习用混淆矩阵和错误样本分析来观察模型问题，能提出简单的优化思路**。
|
|||
|
|
4. ~~具备出色的技术选型与敏捷开发能力，能快速复现顶级会议算法~~**有过复现开源模型的尝试，能使用 Hugging Face、Timm 等库完成小规模实验，积累实践经验**。
|
|||
|
|
5. ~~精通 Git 进行规范的团队协作开发，熟练使用 Docker 容器化技术~~**能用 Git 进行代码提交和版本管理，初步掌握 Docker 打包与 W&B 记录实验的方法**。
|
|||
|
|
6. ~~建立了系统的AI知识体系，持续跟踪AGI领域的最新进~~**保持对新技术（如大模型、Agent）的兴趣，常通过文档和社区学习，并在实习中做过分享**。
|
|||
|
|
|
|||
|
|
### （二）复合能力
|
|||
|
|
|
|||
|
|
1. 人工智能应用能力：了解人工智能的发展路径与主流算法框架（如Transformer、多模态模型），初步掌握LLM调用、Prompt编写与图文生成工具的使用方法，具备AI基础素养与合规意识。
|
|||
|
|
2. 计算机系统基础理解能力：具备从计算机底层结构（CPU架构、缓存设计、指令系统）到上层操作系统演进（Linux、虚拟化、边缘OS）的系统理解能力，能够初步分析软硬件协同机制与设备运行原理。
|
|||
|
|
3. 基础编程能力：掌握数组、链表、哈希表、堆栈、树与图等核心数据结构的原理与使用场景，具备使用Python进行数据处理与基础编程的能力。
|
|||
|
|
4. 持续学习能力：关注技术前沿趋势，如扩散模型、多模态大模型等方向，具备持续学习的意愿与主动探索的习惯，能够主动跟进新技术动态并将其应用于实际学习或项目尝试中。
|
|||
|
|
5. Agent智能体开发基础能力：理解Agent的基本结构与工作机制，了解其在物联网、自动化控制和多任务协同中的应用模式，初步具备使用LangChain等主流框架实现简单任务编排和功能调用的能力。
|
|||
|
|
6. 自动化脚本应用能力：会使用Python对本地数据进行基础处理、接口调用任务，能够使用小型自动化工具来提升开发与运维效率，具备基础的异常处理与日志记录能力。
|
|||
|
|
7. 版本管理与协同开发能力：掌握Git的本地提交、远程仓库操作流程，具备多人协作开发、代码评审与冲突解决的工作经验。
|
|||
|
|
8. 网络通信协议理解能力：理解TCP/IP模型、Wi‑Fi、蜂窝通信、BGP路由等核心网络协议，了解云计算架构下的网络基础设施与数据传输机制，具备构建连接与排查通信问题的基础能力。
|
|||
|
|
9. 嵌入式与边缘设备部署基础：了解物联网设备中的嵌入式系统架构，具备边缘设备操作系统、驱动管理与资源调度机制的基本认知，能够协助完成设备配置与系统调优任务。
|
|||
|
|
10. Linux系统操作能力：能够在Linux环境下完成磁盘管理、用户权限配置、网络设置等常规操作，熟悉文件系统与命令行工具，具备脚本自动化与远程运维的初步经验。
|
|||
|
|
|
|||
|
|
# 三、个人评价
|
|||
|
|
|
|||
|
|
在学习与实习中，~~具备扎实的深度学习基础，能够使用 PyTorch 完成模型训练与调优~~**逐步掌握了PyTorch 的训练流程，能在老师指导下完成模型训练与简单调优**。熟悉常见的数据清洗方法，能用 Pandas 与 NumPy 做预处理，并在样本不平衡问题上尝试过优化。对 ResNet、LSTM、Transformer 等架构有基础认知，学会用混淆矩阵分析效果。能在 Linux 环境下完成开发环境搭建，用 Git 做版本管理，并接触过 Docker 和 W&B 等工具。平时也关注 Hugging Face 和开源代码，喜欢整理学习笔记并分享。虽然经验还有限，但学习能力强，愿意在实践中不断积累，逐步成长为能独立完成模型训练与优化的工程师。
|