电鸭    69人浏览/1人投稿    445天前    待托管赏金

项目背景 招募一位伙伴，进行长期做该项目副业。 要求基于能源数据进行时序预测模型建模、进行分类建模等工作。 人才要求 要求： 1、1年以上的时序预测模型开发经验，具有负荷数据分析项目经验优先; 2、精通常用时序预测类统计及机器学习、深度学习等相关能力，包括但不限于ARIMA、SARIMA、随机森林、XGboost、LSTM、RNN、GRU等； 4.熟练掌握Python、MATLAB、R等计算机语言 5.熟悉常用的机器学习框架，如TensorFlow、PyTorch、Scikit-learn等。 6.具备良好的统计学知识和数学基础。 7.优秀的沟通能力和问题解决能力，自我驱动、结果导向，有强烈的责任心。 8、多分类预测：精通XGBoost/LightGBM多分类调优（类别不平衡处理、概率校准） 9、特征工程：能构建时序特征（滑动窗口、时间差值）及交互特征 10、模型解释：熟练使用SHAP/LIME输出可解释性报告.具备API部署（Flask/FastAPI）、Docker容器化经验 加分： 1、认真负责，执行力高 2、长期主义，能够耐心做好事情 加入福利 🌟 按项目需求走,整体不低于3w 能力强的大牛可议。 合适的联系。

电鸭    45人浏览/0人投稿    429天前    待托管赏金

公司：杭州思灵智慧 职位简介：负责大模型的测试工作，确保其功能、性能和可靠性达到高质量标准。与开发团队紧密合作，推动AI产品的持续优化和高质量交付。 基本要求 教育背景：计算机科学、软件工程、人工智能或相关领域。 工作经验： 5年以上软件测试相关经验，熟悉测试流程和方法论。 2年以上与AI、大模型或机器学习相关的测试经验，具备实际项目案例。 技术技能： 精通至少一种编程语言（如Python、Java），能够编写自动化测试脚本。 熟练使用主流测试工具（如Pytest、Selenium、JUnit）进行功能和性能测试。 掌握版本控制工具Git，能够高效管理测试代码和文档。 深入理解大模型（如Transformer、BERT、GPT等）的架构、训练过程及应用场景。 熟悉机器学习和深度学习的基本概念，包括模型训练、推理、评估指标（如BLEU、F1、困惑度等）。 核心职责 测试计划制定：根据大模型的功能需求和性能目标，设计全面的测试计划，包括测试范围、方法和资源分配。 测试执行：执行功能测试、性能测试、安全性测试和可靠性测试，确保大模型在各种场景下的表现稳定。使用自动化测试工具和脚本提高测试效率，覆盖边缘案例和异常输入。 结果分析与报告：深入分析测试结果，识别潜在缺陷或性能瓶颈，提供数据驱动的改进建议。编写详细的测试报告，包括测试覆盖率、缺陷统计和质量评估，供开发团队参考。 质量监控与优化：持续监控大模型在实际应用中的表现，验证其是否满足质量标准。 根据用户反馈和业务需求，提出测试策略和模型性能的改进方案。 感谢你能给社区同学带来工作机会。 友情提示，请参考社区规则：https://eleduck.com/posts/6GzfGe 认真对待你的招聘帖子并补全内容：公司介绍、业务产品、薪资报酬、面试方式等。 换位思考，没有这些信息，用户将很难判断自己是否应该申请；与其在之后的环节给每个人都一一解释一遍，还不如直接在帖子里写清楚，沟通效率更高。 请在当日内尽快补充完善，不符则删，希望您能理解：）

电鸭    67人浏览/0人投稿    419天前    待托管赏金

【公司信息】 AI驱动的营销平台,专注于帮助美容品牌和健康诊所通过高度个性化的广告生成实现收入 增长。我们的平台利用前沿AI技术,为特定受众生成高转化率的文本、图片和视频广告。公 司创始人是成功的连续创业者和资深高管,此前创立的5家公司均被收购。公司近 期刚获得新一轮融资,正处于高速发展期。 【主要职责】 ● 提升基于LLM的广告文案生成效果,提高用户互动和转化率。 ● 优化文生图及视频生成模型(如Stable Diffusion、Sora等),确保广告视觉吸引力与 品牌调性一致。 ● 开发和改进提示词工程(Prompt Engineering)技术,最大化输出质量。 ● 实验个性化推荐算法,针对不同受众细分定制广告内容,并自动化/规模化。 ● 与工程团队协作,高效部署模型。 ● 持续跟踪生成式AI、计算机视觉和LLM领域的最新进展。 【必备技能与经验】 ● 扎实的机器学习、计算机视觉背景。 ● 熟悉大语言模型(如GPT、Claude、Llama等)及提示词优化。 ● 有图片剪辑和生成模型经验(如Diffusion models、GANS、NeRFs等)。 ● 有AI换脸、背景剪辑、inpainting、style transfer等计算机视觉项目实战经验。 ● 有生成式模型identity preservation相关项目经验 (如DreamBooth、Textual Inversion、LoRA等)。 ● 基于template/structured inputs等条件进行广告图片生成,如店家metadata, layout templates, 店主照片等。 ● 熟练使用Python及主流AI框架(PyTorch、TensorFlow、Hugging Face)。 ● 了解大语言开发框架(如LangChain)者优先。 ● 能在快节奏的创业环境中独立工作。 ● 能熟练运用英语进行工作上的沟通。 【工作时间】 ● 每周20小时起(时间灵活)。 ● 远程兼职。

电鸭    49人浏览/6人投稿    394天前    待托管赏金

岗位职责 1. 参与和负责AI技术Web前后端开发工作，保证优异的使用体验 岗位要求 1. 大学本科及以上，软件工程、计算机及相关专业 2. 熟悉 JavaScript、HTML、CSS等前端技术，熟悉ES6+语法规范； 3. 熟悉 ReactJS 前端流行框架，有相关开发经验并深刻理解其设计原理； 4. 了解Python、NodeJS 这两门后端技术，了解MySQL、SQLite； 5. 具备扎实的操作系统、数据结构、编程语言的基础知识和良好的编程习惯； 6. 有较强的责任心和团队精神，良好的沟通能力，自我驱动力强； 7. 对大模型应用、深度学习算法应用及工程化感兴趣。 加分项 1. 熟练使用 ReactJS 优先 2. 有NodeJS、expressJS 或 python 全栈开发经验者优先 3. 有前端架构设计经验，或前端UI设计作品，有良好的用户体验意识者优先 4. 有深度学习算法应用及工程化开发经验者优先 5. 有AI技术相关实践经验者优先 感谢你能给社区的小伙伴们带来工作机会。 友情提示，请参考社区规则：https://eleduck.com/posts/6GzfGe 认真对待你的招聘帖子内容：公司/项目介绍、交付周期、预算、支付方式等。 换位思考，没有这些信息，用户将很难判断自己是否应该申请；与其在之后的环节给每个人都一一解释一遍，还不如直接在帖子里写清楚，沟通效率更高。 请在当日内尽快补充完善，不符则删，希望您能理解：）

电鸭    59人浏览/3人投稿    391天前    待托管赏金

我们需要这样的你： 学历 & 年级：大三大四本科生或研一在读生，计算机、数学、自动化等相关专业优先，对机器学习 / 强化学习有浓厚兴趣。 技能要求： 熟悉 Python 编程，掌握基本的数据结构与算法； 了解机器学习基础理论（如监督学习、无监督学习）或强化学习框架（如 OpenAI Gym、Stable Baselines 等）； 有深度学习项目经验（如 TensorFlow/PyTorch 应用）、参与过 Kaggle 竞赛或相关课程作业者加分～ 其他特质：具备良好的自学能力和沟通能力，能独立完成小型算法任务，有远程协作意识～ 💡 你将获得： 薪资待遇：月薪 3000-4000 元（根据能力评估浮动），远程办公不坐班，时间灵活～ 成长机会： 参与真实机器学习 / 强化学习项目（如智能决策系统、算法优化等），接触前沿技术场景； 导师 1v1 指导，定期技术复盘，积累实战经验，表现优秀可提供实习证明 + 推荐信； 团队氛围轻松，定期分享会，拓展行业视野～ 你好，没有电量了，可以私聊嘛🙋

电鸭    60人浏览/2人投稿    381天前    待托管赏金

关于我们： 我们是一家源自美国硅谷的科技公司，致力于在全自主的有人飞行器和无人飞行器领域推动创新的边界。我们的团队由充满活力、富有技术热情并且拥有共同愿景的个人组成，共同创建突破性的解决方案。利用先进的人工智能和自动导航技术，我们立志将城市空中出行的概念变为现实，迎来一个全人类家家户户便捷高效飞行的新时代。加入我们，为该领域的突破性进展做出贡献。如果您对推动创新的边界充满热情，我们诚邀您成为我们充满活力的团队的一员！ 职位概述： 作为 AI端侧视觉大语言模型研发科学家（远程合伙人），您将领导和推动视觉大预言模型在自主飞行、视觉导航、多模态感知与决策推理中的应用，并负责搭建大模型驱动的 Agent和前端UI ，打造智能飞行辅助系统。您的研究方向涵盖视觉语言模型（VLM）、大模型 Agent、智能 UI 交互等。您将与核心团队合作，负责从底层大模型算法到前端 UI 和智能 Agent 系统的完整研发，打造一个先进的端侧飞行器 AI 解决方案。通过您的努力，飞行器将实现更高的智能化、自主性与适应性。 岗位职责： 视觉语言大模型开发：研究并实现最新的 VLM（Vision-Language Model）技术，在飞行导航、语义理解、航迹推理等端侧或边缘侧任务中落地应用。 大模型 Agent 开发：基于 VLM / 生成式 AI，构建智能自主飞行 AI Agent，使其具备实时推理、智能交互、辅助决策等功能。 云端AI部署 & 推理优化：利用AWS/ GCP /Azure进行云端推理部署，并优化推理速度、数据流效率及 API 调用。 大模型前端网页开发：搭建基于大模型的智能交互网页 UI，设计多模态数据、飞行状态、智能辅助决策等可视化界面。 大模型API部署：设计 API 结构，使得大模型可通过 Web UI、API 及嵌入式系统进行调用。 模型优化与部署：针对 NVIDIA Jetson AGX Orin、FPGA、云端等不同计算平台优化模型的推理速度和资源利用率，实现高效部署。 多模态融合算法：融合视觉、语言、雷达、激光雷达等多传感器数据， 创新研究与专利申请：跟踪国际前沿技术，推动新算法研发，并申请相关专利或发表高水平论文。 资格要求： 计算机科学、人工智能、机器人或相关领域的硕士及以上学历。 精通C++和Python，具备在C++平台上使用深度学习模型的经验，熟悉机器学习框架(PyTorch、LibTorch、TensorFlow、Caffe等)，具备视觉大模型相关项目经验。 具备从模型训练到部署优化的完整经验，包括蒸馏、量化、剪枝、压缩、推理加速等技术，至少2年以上相关工作经验。 在多模态视觉大语言模型中有应用开发经验。 熟悉AWS/ GCP /Azure等云服务，能够部署、优化大规模 AI 模型的云端推理。 熟悉 Web U/ 前端开发（Vue / React / Next.js 等），能够搭建基于大模型的智能 UI。 有强烈的创业精神和团队合作能力，愿意与团队一起打造全球领先的智能飞行产品。 自我驱动力强，对学习和探索SOTA技术抱有极高热情。 优先条件： 参与过大模型API/SDK平台、大模型垂直应用、大模型 Agent相关项目。 具备优化 Transformer / Diffusion Model** 在资源受限环境下推理性能和内存使用的经验。 具备智能UI交互、HMI 设计、视觉大语言模型落地应用** 相关经验。 熟悉图像语言嵌入、多模态Transformer架构及模型预训练技术。 有高质量论文发表记录（CVPR、ICCV、NeurIPS、ICLR 等）或授权专利者优先。 有参与自动驾驶汽车、自主飞行、或具身机器人系统的开发经验。 英文流利，可熟练阅读理解国内外前沿学术论文。 有实际飞行器视觉导航或多传感器融合算法开发经验者优先。 福利待遇： 股权激励+ 利润分成计划 + 有竞争力的薪资，综合月薪3-5万/月，真正成为合伙人，共享公司成长红利。 灵活远程办公，全球招聘，可全职或弹性合作。 自主飞行AI研发机会，与全球前沿的自动驾驶 / AI 研究团队对接。 直面行业顶级客户，对接国际 eVTOL / 低空经济企业，推动技术落地应用。 长期成长机会，合伙人身份可发展为 CTO/AI负责人。 工作地点： 可远程工作，地点不限。 申请方式： 如果您对未来的空中交通技术充满激情，并且具备我们所需的专业技能，请发送您的简历和相关项目作品至我们的邮箱。我们期待与您一起，探索空中出行的无限可能。

实现网    182人浏览/1人投稿    365天前    待托管赏金

中文版本 要求: 博士学历程序员，精通Python、机器学习、神经网络、PyTorch、TensorFlow、多层感知机、Transformers和时间序列分析。需具备基础英语能力，能够有效沟通并理解所提供的英文技术研究文档。 预算: 1,500元人民币
时间: 5天 提供数据: 您将使用我提供的四个特定时间序列数据集：一个货币对、一个股票价格、中国采购经理指数(PMI)和德国电力价格。 第一阶段：实时预测实现 本项目涉及扩展一个已经使用Nixtla的NeuralForecast框架成功测试的预训练TimeMixer神经网络模型。该模型目前在金融时间序列数据上执行准确的30天预测，并已证明有效果。现有代码包含季节性嵌入功能和在测试环境中表现出色的参数。您的任务是扩展这个工作模型，生成超出最后可用数据点的真实预测，为每一天创建逐步的日度预期收益和价格预测，直到第30天。您将实现Optuna优化来为每个金融工具微调参数，并创建一个可以处理任何上传数据集的动态管道。系统必须保持与测试环境中展示的相同准确度水平，预测输出必须与提供的参考格式完全匹配。 第二阶段：投注规模算法实现 完成实时预测后，您将基于我将提供的研究文档实现一个综合投注规模系统。该文档已包含代码片段，因此不需要进行研究工作。这涉及创建一个元标记框架，用于确定最优投注规模而非仅仅是市场方向，使用从TimeMixer模型预测中得出的基于概率的规模计算。实现包括带有止盈、止损和时间退出的三重障碍风险管理方法，以及动态头寸规模计算。最终系统必须完全动态化，允许用户上传任何金融工具数据集并自动执行所有预测和投注规模步骤，以提供清晰的资本配置建议。 English Version Requirements: PhD-level programmer proficient in Python, Machine Learning, Neural Networks, PyTorch, TensorFlow, Multi-layer Perceptrons, Transformers, and Time Series Analysis. Basic English proficiency required for effective communication and comprehension of technical research documentation provided in English. Budget: 1,500 Yuan
Timeline: 5 days Data Provided: You will work with four specific time series datasets that I will provide: one currency pair, one stock price, China's Purchasing Managers Index (PMI), and Germany's electricity prices. Phase 1: Real-Time Forecasting Implementation This project involves extending a pre-trained TimeMixer neural network model that has already been successfully tested using Nixtla's NeuralForecast framework. The model currently performs accurate 30-day forecasting on financial time series data with proven results. The existing code includes seasonal embedding functionality and parameters that have demonstrated strong performance in testing environments. Your task is to extend this working model to generate real predictions beyond the last available data point, creating step-by-step daily forecasts for expected returns and prices for each day up to the 30th day. You will implement Optuna optimization to fine-tune parameters for each financial instrument and create a dynamic pipeline that can process any uploaded dataset. The system must maintain the same level of accuracy demonstrated in the tested environment, and the forecast output must match the provided reference format exactly. Phase 2: Bet Sizing Algorithm Implementation After completing the real-time forecasting, you will implement a comprehensive bet sizing system based on the research documentation that I will provide. The documentation already has the code snippets, therefore research will not be needed. This involves creating a meta-labeling framework that determines optimal bet sizes rather than just market direction, using probability-based sizing derived from the TimeMixer model's predictions. The implementation includes triple-barrier risk management methods with profit-taking, stop-loss, and time-based exits, along with dynamic position sizing calculations. The final system must be fully dynamic, allowing users to upload any financial instrument dataset and automatically follow all forecasting and bet sizing steps to provide clear capital allocation recommendations.

电鸭    65人浏览/9人投稿    356天前    待托管赏金

职位信息 职位名称：深度学习/机器学习实习生 薪资待遇：2000-3000元/月 工作方式：远程工作 岗位职责 参与深度学习模型的设计、训练和优化 协助进行机器学习算法的研究与实现 参与数据预处理、特征工程等工作 协助搭建和维护机器学习实验环境 参与技术文档的编写和整理 跟进最新的AI技术发展趋势 任职要求 基本要求 计算机科学、人工智能、数学、统计学等相关专业在校学生 熟悉Python编程，有良好的编程基础 了解机器学习基本概念和常用算法 具备良好的数学基础（线性代数、概率统计、微积分） 技能要求 熟悉至少一种深度学习框架（TensorFlow、PyTorch、Keras等） 了解常见的机器学习库（scikit-learn、pandas、numpy等） 有数据处理和可视化经验（matplotlib、seaborn等） 熟悉Linux系统基本操作 加分项 有相关项目经验或参加过相关比赛 了解计算机视觉、自然语言处理等具体应用领域 有GPU训练经验 熟悉Docker、Git等开发工具 英语阅读能力较强 我们提供 💰 具有竞争力的实习薪资 🏠 灵活的远程工作环境 📚 专业的技术指导和培训机会 🚀 参与前沿AI项目的机会 👥 与资深工程师共事的学习机会 📈 表现优秀者有转正机会 工作安排 沟通方式：定期线上会议，及时的技术交流 项目周期：参与完整的项目开发周期

电鸭    25人浏览/6人投稿    348天前    待托管赏金

计算机视觉方向，任务是针对篡改场景文本检测（tampered text detection），在 MMDetection/YOLOv3 框架基础上实现 RGB 分支 + 频域分支 双分支融合架构。项目现有可运行的 YOLOv3 检测工程骨架（可训练/评估），需要在此基础上完成双分支融合模块的实现、模型训练、优化和评估。目标性能要求 F1 分数不低于 0.85。 【技能要求】 熟悉 YOLO 系列算法（YOLOv3 及其改进版本）与 MMDetection 框架。 熟练掌握 PyTorch*深度学习框架，具备独立调试与优化模型的能力。 了解频域处理（如 FFT、DCT）及其在图像特征提取中的应用。 熟悉目标检测评价指标（Precision、Recall、F1-score 等）。 具备良好的代码规范习惯，能按时交付任务。 价格可议，不少于3000

电鸭    34人浏览/5人投稿    345天前    待托管赏金

项目流程要实现的是：通过一段音频，推动一个原视频，使原视频中对应的人物口型和音频口型对应，推理过程满足一定实时性要求。 目前算法研究员已经把模型训练出来了，并且在python环境可以把流程跑通，需要做的事情是，把这个流程用C++重写，并优化模型推理链路，满足一定实时性要求。 职位要求： 1）熟练使用C++和python，熟悉pytorch，opencv等工具。 2）对算法模型压缩、加速、部署有过实际经验，熟悉onnx，tensorrt等工具。 3）具备CUDA编程经验和GPU优化经验。 4）熟悉基本的音视频开发知识，有过音视频处理相关的开发经验。 5）有实际的图像、音频相关算法落地经验。