岗位职责：
1、大数据处理和分析·负责大数据的收集、组织、清理、分析，以提取支持业务决策的有价值的见解。·设计和优化数据存储、清理和处理工作流程，以提高数据利用率。·进行数据探索，以识别关键业务指标的潜在影响因素，并提供数据驱动的业务见解。
2、机器学习建模和优化·应用机器学习算法和模型来解决实际业务问题，如预测分析、用户行为分析和风险评估。·设计、训练、优化和部署机器学习和深度学习模型，以增强业务预测能力。·在生产环境中进行模型评估、超参数优化和监控模型性能，以不断提高准确性和性能。
3.大数据技术堆栈和数据工程·使用分布式计算框架（例如，Spark、Hadoop、Flink）处理PB级数据，提高计算效率。·熟悉云平台（例如，AWS、Azure、GCP）上的数据存储和计算优化解决方案。·构建和优化数据管道、ETL流程、数据仓库和数据湖，以确保流畅、稳定、高效的数据流。
4.数据可视化和决策支持·设计和开发可视化仪表板和报告（例如，Tableau、Power BI、Matplotlib、Seborn），使复杂的数据更加直观和易于理解。·通过A/B测试和因果推理等方法提供数据支持，以优化业务策略。
5.跨团队协作和技术研究·与业务、产品和工程团队密切合作，了解业务需求，并提供数据驱动的决策支持。·紧跟最新的行业技术发展，探索新的数据分析和机器学习方法，并将其应用到实际的业务场景中。
任职资格：
1、教育背景·计算机科学、统计学、数学、数据科学，或相关领域的本科及以上学历。
2、专业技能·编程技能：精通Python（优先）或R，具有扎实的编程基础，熟悉常用的数据处理和分析库，如Scikit-Learning、XGBoost、TensorFlow、PyTorch、Pandas、NumPy、Matplotlib、Seborn等。·机器学习：深入了解回归、决策树、随机森林、XGBoost、深度学习（CNN、RNN、Transform）等算法，并能够将其应用到实际项目中。·大数据处理：熟练掌握Hadoop、Spark、Flink、Kafka、Hive、HBase等大数据处理技术，具备处理大规模数据的能力。·数据库和SQL：熟悉SQL和非关系型数据库（如MongoDB、Cassandra），具备高效数据查询、存储和管理的能力。·数学和统计学：具有较强的数学和统计学基础，具备概率论、数理统计、线性代数、优化方法等知识。
3.项目经验·3年以上大数据分析和机器学习经验，至少有3个完整的项目经验。·参与数据挖掘、预测分析、机器学习模型开发等项目，具备独立完成从数据采集、清洗、特征工程、模型训练和部署的整个过程的能力。·有MLOps（例如，MLflow、Kubeflow、Airflow）经验者优先，具有在生产中部署和监控模型的能力。
4.个人能力和素质·逻辑思维：具有较强的逻辑分析和解决问题的能力，能够快速解决复杂的数据问题。·团队协作：具有出色的沟通能力和与来自不同背景的团队成员有效协作的能力。·数据敏感性：对数据高度敏感，具有出色的数据分析和洞察力，能够从数据中识别潜在的业务价值。·自我激励：具有较强的学习能力和好奇心，能够持续关注数据科学和机器学习的最新发展。
加分项（非必需，但优先）：
具有自然语言处理（NLP）、计算机视觉或推荐系统方面的经验，为业务扩展提供额外的技术支持（例如，多语言文本分析、图像识别、个性化推荐）。·熟悉A/B测试、因果推理和强化学习等方法。·有跨境或多语言数据处理经验，例如处理全球数据集以支持国际业务扩展。