腾讯微保招聘NLP算法工程师 & 实习生

腾讯微保： 微保是腾讯旗下互联网保险代理平台。秉承着“科技向善，保险为民”的理念，微保为用户提供严选、优质、创新的保险服务； 目前我们也在打造我们战略级的创新平台和AI智能产品平台

简历请投递至微保HR邮箱：sophiameng@wesure.cn

微信咨询：M13316958617， 推荐有奖

---

【高级NLP算法工程师】

岗位职责：

1、负责互联网保险平台的搜索及推荐算法研发工作，分析并优化query解析、语义理解、意图识别等基础策略，提升搜索满足度和推荐转化率；

2、深入业务场景应用传统推荐算法，强化学习，graph embedding等方案，提升保险产品个性化推荐和智能营销的转化率；

3、负责保险创新AI工具研发，构建疾病与保险知识图谱，实现智能核保/健康轻问诊/智能问答助手等对话机器人，提升用户满意度和保险坐席效率。

任职资格：

1、计算机相关专业本科以上学历，具有以下任一或以上领域相关的理论背景：机器学习/数据挖掘/信息检索/自然语言处理，并有5年以上相关工作经验；

2、熟悉自然语言处理基础理论和常用算法，有文本分类、序列标注等经典任务相关项目经验者优先，有知识图谱构建及问答相关项目实际工作经验优先；

3、良好的编程能力，熟悉linux系统、C/C++语言；精通shell、python等脚本语言；有golang开发经验者优先考虑；

4、性格开朗，责任心强，良好的沟通能力和团队协作能力；

5、优秀的分析问题和解决问题的能力，对解决具有挑战性的问题充满激情；

6、在知识图谱&自然语言处理相关顶会发表论文（ACL、EMNLP、AAAI等）者优先。

---

【NLP算法实习生】

工作职责：

1、负责互联网保险平台的搜索及推荐算法研发工作，分析并优化query解析、语义理解、意图识别等基础策略，提升搜索满足度和推荐转化率；

2、深入业务场景应用传统推荐算法，强化学习，graph embedding等方案，提升保险产品个性化推荐和智能营销的转化率；

3、负责保险创新AI工具研发，构建疾病与保险知识图谱，实现智能核保/健康轻问诊/智能问答助手等对话机器人，提升用户满意度和保险坐席效率。

任职资格：

1、计算机相关专业，具有以下任一或以上领域相关的理论背景：机器学习/数据挖掘/信息检索/自然语言处理；

2、熟悉自然语言处理基础理论和常用算法，有文本分类、序列标注等经典任务相关项目或竞赛经验者优先，有知识图谱构建及问答相关项目或竞赛经验优先；

3、良好的编程能力，熟悉linux系统、C/C++语言；精通shell、python等脚本语言；有golang开发经验者优先考虑；

4、性格开朗，责任心强，良好的沟通能力和团队协作能力；

5、在知识图谱&自然语言处理相关顶会发表论文（ACL、EMNLP、AAAI等）者优先。

-------------------------------------------------------------------------------

【计算机视觉算法实习生】

工作职责：

1、负责证件、票据、保单等影像资料内容OCR相关算法研究与产品开发。

2、负责保险AI理赔工具和保单管理的核心算法优化，如车险划痕识别及定损等方向；

3、负责跟进行业前沿技术发展趋势，跟踪国际最新算法发展方向和相应技术

任职资格：

1、计算机相关专业，图像相关专业方向

2、掌握计算机视觉和图像处理基本算法，并在如下一个或多个相关方向有较深入研究：检测、识别、OCR、分类、语义分割、图像处理；

3、良好的编程能力，熟悉linux系统、C/C++语言；精通shell、python等脚本语言；有golang开发经验者优先考虑；

4、性格开朗，责任心强，良好的沟通能力和团队协作能力；

5、在国际顶尖会议或期刊（包括但不限CVPR, ICCV, ECCV, NIPS, ICML, AAAI, TPAMI, IJCV等）上发表过论文者优先。

---

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

（1）点击页面最上方"AINLP"，进入公众号主页。

（2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

感谢支持，比心。

欢迎加入AINLP求职交流群

进群请添加AINLP小助手微信 AINLPer（id: ainlper)，备注社招/校招/实习

推荐阅读

这个NLP工具，玩得根本停不下来

征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）

完结撒花！李宏毅老师深度学习与人类语言处理课程视频及课件（附下载）

从数据到模型，你可能需要1篇详实的pytorch踩坑指南

如何让Bert在finetune小数据集时更“稳”一点

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧🙏