广州·越秀区
职位详情
职位描述：
我们正在寻找一位经验丰富的 基于 FATE 框架的开发工程师，负责开发、维护和优化基于 FATE 框架的联邦学习解决方案。该职位需要具备深厚的机器学习、数据科学和分布式系统知识，以及在联邦学习领域的实际经验。
主要职责：
FATE 框架开发：
设计和实现基于 FATE 框架的联邦学习解决方案。
开发和优化数据预处理、模型训练、模型评估和模型部署的流程。
解决联邦学习中的数据对齐、模型收敛和通信优化等问题。
模型开发与优化：
使用 FATE 支持的机器学习算法（如线性回归、逻辑回归、决策树等）进行模型开发。
优化模型性能，确保模型在多方协作环境下的高效性和准确性。
系统集成与部署：
将 FATE 框架集成到现有的数据科学和机器学习平台中。
负责模型的部署和推理，确保模型在生产环境中的稳定性和可靠性。
技术支持与文档编写：
为团队成员和客户提供技术支持，解决使用 FATE 框架时遇到的问题。
编写技术文档，包括开发指南、用户手册和最佳实践。
任职要求：
教育背景：
计算机科学、数据科学、统计学或相关领域的本科及以上学历。
工作经验：
至少 2 年以上 FATE 框架开发经验，熟悉 FATE 的核心功能和架构。
技术技能：
精通 Python 编程语言，熟悉 PyTorch、TensorFlow 等深度学习框架。
熟悉分布式系统、数据存储和处理技术（如 Hadoop、Spark、Hive 等）。
熟悉机器学习算法和模型评估方法，具备实际的模型开发和优化经验。
软技能：
良好的沟通能力和团队合作精神，能够与跨职能团队有效协作。
具备问题解决能力和创新思维，能够独立解决复杂的技术问题。
优先考虑：
有联邦学习、多方协作或数据隐私保护相关项目经验者优先。
有开源项目贡献经验者优先。
具有知识图谱经验优先
1. 参与知识图谱的规划与设计：理解业务需求，设计本体模型（定义实体、属性、关系的类型和层次结构），制定图谱构建的技术方案。
2. 知识图谱的构建与开发：
· 数据获取与处理：从多源异构数据（结构化数据库、非结构化文本、日志、第三方API等）中抽取信息。
· 知识抽取：运用NLP技术（如实体识别、关系抽取、属性抽取、事件抽取）从文本中自动化提取知识。
· 知识融合：解决实体对齐问题（判断不同来源的“苹果公司”和“Apple Inc.”是否为同一实体），消除冲突与歧义，构建统一的知识库。
· 知识存储：将结构化知识存入图数据库（如Neo4j, JanusGraph, Nebula Graph）或RDF三元组存储。
3. 知识图谱的维护与优化：建立知识更新的流程与机制，监控数据质量，持续迭代和优化图谱的规模、准确度和新鲜度。
4. 跨团队协作：与业务部门、数据团队、算法团队、前后端开发团队紧密合作，确保图谱能有效支撑上层应用。
A. 知识图谱算法工程师
· 核心：专注于图谱构建与挖掘中的算法与模型。
· 具体职责：
· 研发和优化知识抽取、实体链接、关系抽取的NLP/深度学习模型（如基于BERT、GPT的微调模型）。
· 研究和应用图表示学习技术，将实体和关系嵌入到低维向量空间。
· 开发图挖掘算法，如社区发现、路径推理、节点分类、链接预测等。
· 跟踪学术界和工业界前沿技术，并将其应用于实际业务场景。
B. 知识图谱构建/数据工程师
· 核心：专注于图谱构建的数据流水线、工程化与基础设施。
· 具体职责：
· 搭建稳定、高效、可扩展的知识图谱数据管道。
· 处理大规模数据的抽取、清洗、转换和加载工作。
· 管理和优化图数据库，确保其高性能、高可用性。
· 设计和实现知识融合、质量校验的工程框架。
· 开发辅助构建工具，提升知识录入和管理的效率。
C. 图谱应用开发工程师
· 核心：专注于基于知识图谱的上层应用开发与API服务。
· 具体职责：
· 设计和开发知识图谱的查询接口和服务，如通用/领域特定的图谱查询API。
· 基于图谱开发智能应用，如智能问答、个性化推荐、风险控制、情报分析系统等。
· 与前端团队协作，实现图谱的可视化展示与交互（如关系网络图）。
· 优化图谱查询性能，满足业务端低延迟、高并发的需求。
技能与要求
· 硬技能：
· 计算机基础：扎实的数据结构、算法、编程（Python/Java/Scala）能力。
· 数据库：熟悉图数据库、关系型数据库，熟练使用SQL、Cypher、Gremlin等查询语言。
· 大数据技术：了解Hadoop、Spark、Flink等分布式计算框架。
· NLP/机器学习：熟悉常见的NLP任务和模型，了解机器学习框架（PyTorch/TensorFlow）。
· 工具：熟悉NLP工具（如Spacy, Stanza）和图分析工具（如NetworkX）。
· 软技能：
· 强大的逻辑思维和抽象建模能力。
· 优秀的问题分析与解决能力。
· 良好的沟通能力和团队协作精神。
1. 负责金融/医疗/电商等领域知识图谱的构建，包括本体设计、知识抽取、融合与存储。
2. 研发并优化实体识别、关系抽取、事件抽取等核心NLP算法，提升自动化构建的准确率与效率。
3. 探索和应用图神经网络、表示学习等前沿技术，实现基于图谱的深度推理与挖掘。
4. 与业务团队合作，将知识图谱能力赋能于智能搜索、风险防控、投研助手等实际场景。
5. 跟踪领域内最新技术动态，推动团队技术方案的创新与升级。
任职要求：
1. 计算机、人工智能、数学等相关专业硕士及以上学历。
2. 熟练掌握Python，熟悉PyTorch/TensorFlow框架，有扎实的编码和算法基础。
3. 深入理解NLP常见任务与模型，有知识图谱相关项目经验者优先。
4. 熟悉至少一种图数据库（如Neo4j, Nebula Graph）和使用。
5. 具备优秀的逻辑分析能力和解决问题的能力，对挑战性问题充满热情。
我们正在寻找一位经验丰富的 基于 FATE 框架的开发工程师，负责开发、维护和优化基于 FATE 框架的联邦学习解决方案。该职位需要具备深厚的机器学习、数据科学和分布式系统知识，以及在联邦学习领域的实际经验。
主要职责：
FATE 框架开发：
设计和实现基于 FATE 框架的联邦学习解决方案。
开发和优化数据预处理、模型训练、模型评估和模型部署的流程。
解决联邦学习中的数据对齐、模型收敛和通信优化等问题。
模型开发与优化：
使用 FATE 支持的机器学习算法（如线性回归、逻辑回归、决策树等）进行模型开发。
优化模型性能，确保模型在多方协作环境下的高效性和准确性。
系统集成与部署：
将 FATE 框架集成到现有的数据科学和机器学习平台中。
负责模型的部署和推理，确保模型在生产环境中的稳定性和可靠性。
技术支持与文档编写：
为团队成员和客户提供技术支持，解决使用 FATE 框架时遇到的问题。
编写技术文档，包括开发指南、用户手册和最佳实践。
任职要求：
教育背景：
计算机科学、数据科学、统计学或相关领域的本科及以上学历。
工作经验：
至少 2 年以上 FATE 框架开发经验，熟悉 FATE 的核心功能和架构。
技术技能：
精通 Python 编程语言，熟悉 PyTorch、TensorFlow 等深度学习框架。
熟悉分布式系统、数据存储和处理技术（如 Hadoop、Spark、Hive 等）。
熟悉机器学习算法和模型评估方法，具备实际的模型开发和优化经验。
软技能：
良好的沟通能力和团队合作精神，能够与跨职能团队有效协作。
具备问题解决能力和创新思维，能够独立解决复杂的技术问题。
优先考虑：
有联邦学习、多方协作或数据隐私保护相关项目经验者优先。
有开源项目贡献经验者优先。
具有知识图谱经验优先
1. 参与知识图谱的规划与设计：理解业务需求，设计本体模型（定义实体、属性、关系的类型和层次结构），制定图谱构建的技术方案。
2. 知识图谱的构建与开发：
· 数据获取与处理：从多源异构数据（结构化数据库、非结构化文本、日志、第三方API等）中抽取信息。
· 知识抽取：运用NLP技术（如实体识别、关系抽取、属性抽取、事件抽取）从文本中自动化提取知识。
· 知识融合：解决实体对齐问题（判断不同来源的“苹果公司”和“Apple Inc.”是否为同一实体），消除冲突与歧义，构建统一的知识库。
· 知识存储：将结构化知识存入图数据库（如Neo4j, JanusGraph, Nebula Graph）或RDF三元组存储。
3. 知识图谱的维护与优化：建立知识更新的流程与机制，监控数据质量，持续迭代和优化图谱的规模、准确度和新鲜度。
4. 跨团队协作：与业务部门、数据团队、算法团队、前后端开发团队紧密合作，确保图谱能有效支撑上层应用。
A. 知识图谱算法工程师
· 核心：专注于图谱构建与挖掘中的算法与模型。
· 具体职责：
· 研发和优化知识抽取、实体链接、关系抽取的NLP/深度学习模型（如基于BERT、GPT的微调模型）。
· 研究和应用图表示学习技术，将实体和关系嵌入到低维向量空间。
· 开发图挖掘算法，如社区发现、路径推理、节点分类、链接预测等。
· 跟踪学术界和工业界前沿技术，并将其应用于实际业务场景。
B. 知识图谱构建/数据工程师
· 核心：专注于图谱构建的数据流水线、工程化与基础设施。
· 具体职责：
· 搭建稳定、高效、可扩展的知识图谱数据管道。
· 处理大规模数据的抽取、清洗、转换和加载工作。
· 管理和优化图数据库，确保其高性能、高可用性。
· 设计和实现知识融合、质量校验的工程框架。
· 开发辅助构建工具，提升知识录入和管理的效率。
C. 图谱应用开发工程师
· 核心：专注于基于知识图谱的上层应用开发与API服务。
· 具体职责：
· 设计和开发知识图谱的查询接口和服务，如通用/领域特定的图谱查询API。
· 基于图谱开发智能应用，如智能问答、个性化推荐、风险控制、情报分析系统等。
· 与前端团队协作，实现图谱的可视化展示与交互（如关系网络图）。
· 优化图谱查询性能，满足业务端低延迟、高并发的需求。
技能与要求
· 硬技能：
· 计算机基础：扎实的数据结构、算法、编程（Python/Java/Scala）能力。
· 数据库：熟悉图数据库、关系型数据库，熟练使用SQL、Cypher、Gremlin等查询语言。
· 大数据技术：了解Hadoop、Spark、Flink等分布式计算框架。
· NLP/机器学习：熟悉常见的NLP任务和模型，了解机器学习框架（PyTorch/TensorFlow）。
· 工具：熟悉NLP工具（如Spacy, Stanza）和图分析工具（如NetworkX）。
· 软技能：
· 强大的逻辑思维和抽象建模能力。
· 优秀的问题分析与解决能力。
· 良好的沟通能力和团队协作精神。
1. 负责金融/医疗/电商等领域知识图谱的构建，包括本体设计、知识抽取、融合与存储。
2. 研发并优化实体识别、关系抽取、事件抽取等核心NLP算法，提升自动化构建的准确率与效率。
3. 探索和应用图神经网络、表示学习等前沿技术，实现基于图谱的深度推理与挖掘。
4. 与业务团队合作，将知识图谱能力赋能于智能搜索、风险防控、投研助手等实际场景。
5. 跟踪领域内最新技术动态，推动团队技术方案的创新与升级。
任职要求：
1. 计算机、人工智能、数学等相关专业硕士及以上学历。
2. 熟练掌握Python，熟悉PyTorch/TensorFlow框架，有扎实的编码和算法基础。
3. 深入理解NLP常见任务与模型，有知识图谱相关项目经验者优先。
4. 熟悉至少一种图数据库（如Neo4j, Nebula Graph）和使用。
5. 具备优秀的逻辑分析能力和解决问题的能力，对挑战性问题充满热情。
2026-05-17 15:06
IP属地：广东广州
职位福利
本科1-3年深度学习大模型算法自然语言处理算法多模态算法算法工程化经验PythonSQL
深圳普适智能有限公司
未融资 · 20-99人
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
算法工程师（驻佛山广东）
2.5-3.5万元/月
算法工程师经验不限本科深度学习机器学习大模型算法QWENTransformer自然语言处理搜索/推荐算法知识图谱PyTorchTensorFlowPythonC++Java阿里云
广州 越秀区
杨女士 · 可利邦今日活跃
医疗器械市场推广算法工程师
1.2-2.4万元/月
算法工程师1-3年本科机器学习规控算法图像算法运筹优化算法大模型算法算法工程化经验融合感知算法SLAM算法PythonSQL
广州 越秀区
刘女士 · 兰韵医科7日内活跃
AI算法研发工程师
1.2-2万元/月
算法工程师3-5年本科C/C++分布式训练大模型算法自然语言处理算法算法工程化经验并行计算模型加速/性能优化Python
广州 越秀区
周先生 · 众成大数据5日内活跃
AI算法工程师（远程/兼职）
6000-7000元/月
兼职算法工程师经验不限本科国内院校优先自然语言处理算法推荐算法运筹优化算法搜索算法多模态算法Python深度学习大模型算法强化学习优秀开源项目经历
广州 越秀区 站前路
收藏职位
