算法工程师
负责模型选型、训练与调优。项目开始前做可行性判断,明确指标上限;交付时输出模型卡片,记录训练数据范围与已知失效场景。
关于我们
杭州昊汇人工智能有限公司成立之初,看到的问题是同一个:很多 AI 项目停在演示阶段,进不了真实业务。原因往往不是算法不行,而是数据没盘清楚、验收没有标准、上线后没人维护。我们因此把自己定位成"交付方"而不是"方案方"——项目以写进合同的指标收尾,而不是以一场演示收尾。
我们服务制造、零售与服务行业,集中在视觉质检、文本理解、对话系统与预测类算法这几类场景。这些场景的共同点是:判断规则能写出来一部分、但写不全;样本量不足以从零训练、但足以微调。我们的大部分工作就是在这类"中间地带"里,找到可落地的技术路线。
每个项目从"数据盘点"开始,而不是从"选模型"开始。我们先确认客户手里有什么:图片还是日志、有多少量、标注质量如何、历史规则文档写到了什么程度。数据决定技术路线的上下限,模型选择只是在这条路线上做优化。盘点之后是 PoC:用两到四周时间,在小样本上给出指标区间,让客户看到"这件事能做到什么程度、还差什么",再决定是否投入完整开发。
开发阶段的重点是可验收。我们在方案里逐条写清指标定义——准确率在什么测试集上测、时延在什么硬件上量、替代人工的比例按哪个班次统计——验收时按同一口径复测。项目结束的标志不是系统上线,而是试运行达到约定指标、文档移交完成、客户侧有人能独立处理日常问题。
负责模型选型、训练与调优。项目开始前做可行性判断,明确指标上限;交付时输出模型卡片,记录训练数据范围与已知失效场景。
负责标注规范制定与执行。规范文档逐条可查,标注结果按比例抽检,争议样本由双方质检口径对齐后再入库。
负责系统集成与私有化部署。写接口文档、部署脚本与回滚方案,把运维知识整理成客户自己能看懂的手册。