崗位職責(zé)：
1. 醫(yī)療AI算法研發(fā)與落地：
1）負(fù)責(zé)醫(yī)療大數(shù)據(jù)（包括但不限于電子病歷、醫(yī)學(xué)影像、基因組學(xué)、專(zhuān)病庫(kù)數(shù)據(jù)）的挖掘、機(jī)器學(xué)習(xí)/深度學(xué)習(xí)模型的研發(fā)、訓(xùn)練與優(yōu)化，將研發(fā)的機(jī)器學(xué)習(xí)模型進(jìn)行服務(wù)化封裝、性能優(yōu)化和持續(xù)監(jiān)控，構(gòu)建高可用的AI能力中臺(tái)。
2）負(fù)責(zé)醫(yī)學(xué)自然語(yǔ)言處理技術(shù)研發(fā)，包括臨床文本結(jié)構(gòu)化、醫(yī)學(xué)術(shù)語(yǔ)標(biāo)準(zhǔn)化、醫(yī)學(xué)實(shí)體關(guān)系抽取，支撐專(zhuān)科疾病庫(kù)建設(shè)。
3）設(shè)計(jì)和實(shí)現(xiàn)自然語(yǔ)言處理算法，用于醫(yī)學(xué)文本（如臨床報(bào)告、科研文獻(xiàn)）的結(jié)構(gòu)化信息抽取、術(shù)語(yǔ)標(biāo)準(zhǔn)化、語(yǔ)義理解與知識(shí)圖譜構(gòu)建。
4）構(gòu)建基于大語(yǔ)言模型的檢索增強(qiáng)生成系統(tǒng)，為科研人員和醫(yī)學(xué)提供精準(zhǔn)、可溯源的醫(yī)學(xué)知識(shí)問(wèn)答和文獻(xiàn)洞察服務(wù)。
2. 大模型應(yīng)用與工程化：
1）負(fù)責(zé)領(lǐng)域大模型的微調(diào)、評(píng)估與應(yīng)用落地，將其能力集成到醫(yī)療科研工作流中。
2）參與設(shè)計(jì)和構(gòu)建公司醫(yī)療科研大數(shù)據(jù)平臺(tái)的核心算法底層，為數(shù)據(jù)治理、質(zhì)控、分析和可視化提供算法支持。
3）針對(duì)專(zhuān)病庫(kù)建設(shè)需求，進(jìn)行數(shù)據(jù)建模，構(gòu)建患者畫(huà)像、疾病風(fēng)險(xiǎn)預(yù)測(cè)、療效評(píng)估等科研分析模型。
4）將成熟的算法模型進(jìn)行服務(wù)化封裝，形成穩(wěn)定的API，供后端業(yè)務(wù)系統(tǒng)調(diào)用。
3. 智能數(shù)據(jù)治理與自動(dòng)化：
1）開(kāi)發(fā)和應(yīng)用OCR與多模態(tài)識(shí)別技術(shù)，用于處理掃描病歷、檢查報(bào)告單、醫(yī)療票據(jù)等文檔，實(shí)現(xiàn)關(guān)鍵信息的智能化識(shí)別與結(jié)構(gòu)化。
2）設(shè)計(jì)和實(shí)現(xiàn)醫(yī)療數(shù)據(jù)質(zhì)量控制的智能算法，通過(guò)異常檢測(cè)、一致性校驗(yàn)等技術(shù)提升科研數(shù)據(jù)可信度。
4. 技術(shù)研究與創(chuàng)新：
1）跟蹤業(yè)界前沿的AI技術(shù)（尤其是在醫(yī)療領(lǐng)域的應(yīng)用），包括但不限于大語(yǔ)言模型、多模態(tài)學(xué)習(xí)、RAG等，并進(jìn)行技術(shù)驗(yàn)證和原型開(kāi)發(fā)，推動(dòng)其在實(shí)際業(yè)務(wù)場(chǎng)景中落地。
任職要求：
必備條件：
1. 計(jì)算機(jī)科學(xué)、人工智能、生物醫(yī)學(xué)工程或相關(guān)專(zhuān)業(yè)本科及以上學(xué)歷，3年以上Python算法開(kāi)發(fā)經(jīng)驗(yàn)。
2. 精通Python編程和主流AI技術(shù)棧，包括但不限于：PyTorch/TensorFlow、LangChain/LlamaIndex、Transformers、Scikit-learn。
3. 機(jī)器學(xué)習(xí)/深度學(xué)習(xí)方面，具備扎實(shí)的模型理論基礎(chǔ)，有完整的模型構(gòu)建、訓(xùn)練、調(diào)優(yōu)和部署經(jīng)驗(yàn)。
4. NLP與LLM應(yīng)用方向，熟悉RAG系統(tǒng)全鏈路搭建，有向量數(shù)據(jù)庫(kù)（Milvus/Chroma等）使用經(jīng)驗(yàn)，理解Agent相關(guān)技術(shù)。
5. 對(duì)大語(yǔ)言模型有深入理解，具備使用LangChain、LlamaIndex等框架搭建RAG系統(tǒng)的實(shí)際項(xiàng)目經(jīng)驗(yàn)，熟悉向量數(shù)據(jù)庫(kù)（如Milvus, Chroma, Weaviate）。
6. 具備多模態(tài)或OCR項(xiàng)目經(jīng)驗(yàn)，熟悉相關(guān)模型和技術(shù)棧。
7. 熟悉Linux、Docker、Git，了解RESTful API設(shè)計(jì)和基本的MLOps流程。
8. 出色的邏輯分析能力和問(wèn)題解決能力，對(duì)解決具有挑戰(zhàn)性的問(wèn)題充滿(mǎn)激情。
優(yōu)先考慮：
1. 有醫(yī)療健康、生物信息或相關(guān)領(lǐng)域項(xiàng)目經(jīng)驗(yàn)者優(yōu)先。熟悉OMOP、FHIR等醫(yī)療數(shù)據(jù)模型，或醫(yī)學(xué)術(shù)語(yǔ)體系如ICD-10、SNOMED CT、MeSH者尤佳。
2. 有運(yùn)用AI編程助手（如Cursor、Claude Code、GitHub Copilot）提升算法研發(fā)效率與代碼質(zhì)量的輔助編程經(jīng)驗(yàn)。
3. 在高水平期刊或會(huì)議上發(fā)表過(guò)相關(guān)論文，或在等數(shù)據(jù)科學(xué)競(jìng)賽中取得優(yōu)異成績(jī)。
4. 具備優(yōu)秀的學(xué)習(xí)能力和團(tuán)隊(duì)協(xié)作精神，能夠與臨床、科研等非技術(shù)背景的同事進(jìn)行有效溝通。