崗位職責(zé):
1、 機器學(xué)習(xí)模型研發(fā)與應(yīng)用: 負責(zé)機器學(xué)習(xí)模型的端到端開發(fā),包括數(shù)據(jù)探索、特征工程、模型選擇、訓(xùn)練調(diào)優(yōu)、評估及上線部署,解決業(yè)務(wù)中的預(yù)測、分類、聚類等核心問題。
2、 數(shù)據(jù)驅(qū)動決策支持: 深入理解業(yè)務(wù)邏輯與數(shù)據(jù),運用統(tǒng)計學(xué)方法與機器學(xué)習(xí)技術(shù)進行深度數(shù)據(jù)分析,挖掘數(shù)據(jù)價值,為產(chǎn)品優(yōu)化、運營策略、風(fēng)險控制等提供數(shù)據(jù)洞察和決策支持。
3、 數(shù)據(jù)產(chǎn)品與平臺建設(shè): 參與構(gòu)建數(shù)據(jù)驅(qū)動的產(chǎn)品或分析平臺,包括模型服務(wù)化、自動化報表、A/B測試框架設(shè)計等,提升數(shù)據(jù)分析效率和模型應(yīng)用廣度。
4、 技術(shù)探索與團隊協(xié)作: 跟蹤機器學(xué)習(xí)領(lǐng)域前沿技術(shù)動態(tài),探索新算法、新工具在業(yè)務(wù)場景中的應(yīng)用潛力;與產(chǎn)品、工程、業(yè)務(wù)團隊緊密協(xié)作,推動數(shù)據(jù)科學(xué)項目的落地與價值實現(xiàn)。
任職要求:
1、 學(xué)歷與經(jīng)驗: 本科及以上學(xué)歷(統(tǒng)計學(xué)、數(shù)學(xué)、計算機科學(xué)、數(shù)據(jù)科學(xué)、人工智能等相關(guān)專業(yè)),3年以上數(shù)據(jù)分析或機器學(xué)習(xí)相關(guān)工作經(jīng)驗,有完整的機器學(xué)習(xí)項目落地經(jīng)驗者優(yōu)先。
數(shù)據(jù)科學(xué)技術(shù)能力:
2、 熟悉主流機器學(xué)習(xí)算法(如線性回歸、邏輯回歸、決策樹、隨機森林、GBDT、SVM等)與深度學(xué)習(xí)模型(如CNN、RNN、Transformer等),理解其原理與應(yīng)用場景。
掌握至少一種主流機器學(xué)習(xí)框架(如Scikit-learn, TensorFlow, PyTorch, XGBoost/LightGBM等),并有實際項目應(yīng)用經(jīng)驗。
熟悉特征工程方法,能有效進行數(shù)據(jù)清洗、特征提取、特征選擇與特征變換。
了解模型評估指標(biāo)與驗證方法,能獨立完成模型性能評估與優(yōu)化。
3、 工程技術(shù)棧:
精通Python編程語言,熟悉Pandas, NumPy, Matplotlib/Seaborn等數(shù)據(jù)分析與可視化庫。
熟悉SQL,能夠熟練編寫復(fù)雜查詢,進行數(shù)據(jù)提取與處理;了解Hive, Spark等大數(shù)據(jù)處理工具者優(yōu)先。
掌握至少一種版本控制工具(如Git)。
具備模型部署與工程化經(jīng)驗(如使用Flask/FastAPI搭建模型服務(wù),了解Docker容器化部署)者優(yōu)先。
熟悉Linux操作系統(tǒng),能夠進行基本的環(huán)境配置與腳本編寫。
4、 綜合素質(zhì):
對數(shù)據(jù)敏感,具備出色的數(shù)據(jù)分析、邏輯推理和問題解決能力。
優(yōu)秀的業(yè)務(wù)理解和溝通表達能力,能將復(fù)雜的數(shù)據(jù)分析結(jié)果清晰地呈現(xiàn)給非技術(shù)背景的同事。
強烈的責(zé)任心、積極主動的工作態(tài)度,以及良好的團隊協(xié)作精神。
具備快速學(xué)習(xí)新技術(shù)和新業(yè)務(wù)領(lǐng)域的能力。