|
|
| |
| |
职位描述 用小程序查看更多 |
|
岗位职责
1.协助搭建联邦学习训练框架，参与横向/纵向联邦模型的开发与调试，优化联邦优化算法（如FedAvg、FedProx）性能。
2.配合开展隐私保护技术适配，参与同态加密、差分隐私等技术在联邦学习中的应用与效果优化。
3.跟踪联邦学习前沿技术与行业方案，完成小型技术调研与实验验证，输出简要分析报告，支撑算法迭代。
4.协助整理联邦学习数据集，优化训练链路，记录实验数据并复盘效果，保障模型训练效率与稳定性。
任职要求
1.在读硕士及以上学历（计算机、AI、数学、自动化等相关专业），每周可实习3天以上，实习期不少于3个月。
2.精通Python，熟练掌握PyTorch/TensorFlow框架，具备扎实的机器学习与神经网络基础，了解联邦学习核心原理。
3.熟悉至少一种联邦学习算法，有分布式训练或机器学习项目经验者优先，了解隐私计算相关技术更佳。
4.具备良好的数学基础与逻辑思维，能独立推进简单实验，有较强的问题解决能力与文档撰写能力。
5.有联邦学习相关项目经验，熟悉开源框架，参与过隐私计算项目者。
6.在AI顶会、期刊发表联邦学习/隐私计算相关成果，或在竞赛中取得优异成绩者优先。 |
|
| |
|
|
| |
|
