一、技術(shù)能力
精通機(jī)器學(xué)習(xí)/深度學(xué)習(xí)框架(PyTorch/TensorFlow等),熟悉至少一種編程語言(Python/R)
深入掌握以下至少兩個(gè)方向:
時(shí)序數(shù)據(jù)分析(LSTM/Transformer等)
推薦系統(tǒng)與強(qiáng)化學(xué)習(xí)
多模態(tài)數(shù)據(jù)融合(CV/NLP/生物信號(hào)處理)
可解釋性AI(XAI)技術(shù)
有醫(yī)療/教育數(shù)據(jù)集處理經(jīng)驗(yàn)(如MIMIC、EDU等公開數(shù)據(jù)集)者優(yōu)先
二、崗位職責(zé)
1.教育領(lǐng)域算法開發(fā)
設(shè)計(jì)并實(shí)現(xiàn)個(gè)性化學(xué)習(xí)路徑推薦、知識(shí)圖譜構(gòu)建、學(xué)習(xí)效果預(yù)測等算法
開發(fā)自然語言處理(NLP)技術(shù)應(yīng)用于智能輔導(dǎo)系統(tǒng)(如自動(dòng)批改、問答系統(tǒng))
結(jié)合多模態(tài)數(shù)據(jù)(文本/音頻/視頻)優(yōu)化教育場景下的行為分析與反饋模型
2.疾病預(yù)警與健康干預(yù)
實(shí)現(xiàn)基于心率/血氧時(shí)序數(shù)據(jù)的慢性?。ㄈ鏑OPD、心衰)急性發(fā)作預(yù)測模型
開發(fā)個(gè)性化運(yùn)動(dòng)/康復(fù)方案推薦算法,結(jié)合用戶生理指標(biāo)動(dòng)態(tài)調(diào)整強(qiáng)度
優(yōu)化低血氧(SpO2<90%)快速識(shí)別與報(bào)警機(jī)制,滿足家用醫(yī)療設(shè)備需求
3.心理領(lǐng)域算法研究
實(shí)現(xiàn)情緒識(shí)別、壓力檢測或心理健康狀態(tài)評估模型(融合語音/文本/生理信號(hào))
開發(fā)基于認(rèn)知行為理論的干預(yù)方案生成算法
優(yōu)化心理測評量表的自動(dòng)化分析與報(bào)告生成技術(shù)
4.跨領(lǐng)域技術(shù)整合
探索教育、健康、心理數(shù)據(jù)的融合應(yīng)用(如通過學(xué)習(xí)行為預(yù)測心理健康風(fēng)險(xiǎn))
推動(dòng)算法在真實(shí)場景中的落地,與產(chǎn)品、醫(yī)學(xué)、教育專家協(xié)作優(yōu)化模型
外地員工入職,提供住宿