1.基于數(shù)學理論(如概率論、優(yōu)化理論、微分方程等)構建AI模型的核心框架,解決機器學習中的基礎理論問題,2.主導統(tǒng)計學習、強化學習、貝葉斯推理等方向的算法創(chuàng)新,優(yōu)化模型的收斂性、泛化能力與魯棒性;3.針對業(yè)務場景中的復雜數(shù)據(jù)分布(高維、稀疏、非結構化等),設計數(shù)學建模方案并驗證有效性;4.與工程團隊協(xié)作,將數(shù)學模型轉(zhuǎn)化為可工程化的算法方案,推動理論落地與性能選代
1.數(shù)學、應用數(shù)學、計算數(shù)學等相關專業(yè)本科及以上學歷,具有數(shù)學建模經(jīng)驗者。
2.精通高等數(shù)學、線性代數(shù)、概率論與數(shù)理統(tǒng)計、凸優(yōu)化等核心數(shù)學領域,能熟練推導算法理論公式;3.掌握至少一種編程語言(Python優(yōu)先),熟悉NumPy、SciPy等科學計算庫,了解TensorF1ow/PyTorch等框架的數(shù)學原理4.具備以下任一方向經(jīng)驗者優(yōu)先:統(tǒng)計學習理論:如PAC學習、VC維分析、樣本復雜度研究;優(yōu)化算法:如梯度下降變種、共軛梯度法、分布式優(yōu)化;概率模型:如馬爾可夫鏈、隱變量模型、變分推斷