核心职责
1. 跨地域需求沟通与协作 (30%)
作为主要技术对接人，直接与Global数据科学家进行高频次、深度的技术需求沟通，准确理解其提出的算法意图、数学模型与业务目标。
主持或参与中英文双语技术评审会，对齐算法实现细节、评估技术可行性、澄清数据假设与约束条件。
2. 算法实现与工程化开发 (50%)
负责将数据科学家提供的算法原型（常见于Jupyter Notebook, Python脚本）进行重构、优化与工程化封装，使其满足生产环境对性能、稳定性、可扩展性和可维护性的要求。
开发和维护高效、鲁棒的数据处理流水线（ETL/ELT），确保算法所需数据的高质量供给。
实现并优化机器学习/深度学习模型，涉及但不限于：预测模型、分类/聚类算法、自然语言处理（NLP）、计算机视觉（CV）、推荐系统等。
进行代码性能分析与调优，解决大规模数据下的计算与存储瓶颈。
3. 系统集成与部署 (20%)
与后端、前端及平台团队协作，将开发完成的算法模块集成为完整的服务或应用。
设计并实现算法的服务化接口（如RESTful API, gRPC）。
熟悉和运用CI/CD工具链，推动算法的自动化测试与部署流程。

任职要求
1.学历与经验：计算机科学、软件工程、统计学、应用数学或相关专业本科及以上学历，具备3年以上算法开发或数据科学工程化经验。
2.精通Python，并对其科学计算栈（NumPy, Pandas, Scikit-learn）有深入使用经验。熟悉SQL。拥有至少一种主流ML/DL框架（如TensorFlow, PyTorch）的项目实战经验。
3.扎实的数据结构与算法基础，深入理解常见的机器学习/深度学习算法原理。
4.熟练使用Git，熟悉Linux开发环境。
5.英语听说读写流利，可作为工作语言。能通过视频会议与Global同事进行深入的技术讨论。
6.协作能力：出色的沟通能力与团队协作精神，具有主动性和责任心，能够在跨文化、跨时区的团队中有效工作。
优先考虑条件，优先考虑，非必须条件。
1.有直接与海外技术团队（特别是数据科学团队）协作的成功项目经验。
2.熟悉云平台（AWS/Azure/GCP/Alicloud）的机器学习服务及相关大数据技术（如Spark, Hadoop）。
3.具备将研究型算法落地到高并发、低延迟在线服务系统的经验。
4.了解MLOps理念及相关工具（如MLflow, Kubeflow, Airflow）。
5.在特定领域（如风控、搜索推荐、时序预测、计算机视觉）有算法落地经验。