一、岗位职责
1. 任务执行与数据探查：
在负责人指导下，完成具体的数据分析、特征工程和算法开发任务。
参与数据探查和清洗，理解所负责业务域的数据现状，为建模做准备。
2. 特征与模型开发：
负责具体用户画像标签（如消费意愿、兴趣偏好、流失风险等）的特征设计、提取和实验。
参与或负责特定算法的选择、实现、训练、调优和评估，编写高质量、可复用的模型代码。
3. 模型实现与部署支持：
将训练好的模型进行封装，并提供给数据开发组或系统开发组进行工程化部署，协助解决部署过程中的技术问题。
编写清晰的模型文档，包括输入输出、参数、性能和业务含义。
4. 模型监控与运维：
负责监控所开发模型的线上表现，及时发现数据漂移、性能下降等问题，并参与模型的迭代优化工作。
5. 协作与学习：
与数据开发工程师协作，确保模型所需数据的准确性和及时性。
积极跟进业界先进的算法技术，并在实际工作中进行尝试和应用。
二、技能要求
1、算法基础：掌握机器学习（如逻辑回归、决策树、聚类）与深度学习（如CNN, RNN, Transformer）的基础理论和模型，具备扎实的数学与统计学基础。
2、工具与语言：熟练使用至少一门数据科学编程语言（Python/R），及常用算法库（如Scikit-learn, PyTorch, TensorFlow）。
3、模型开发：具备独立完成特征工程、模型训练、调参与评估的全流程实践能力，能够撰写清晰的技术文档。
4、工程协同：了解模型服务化（如Seldon, Triton）的基本流程，具备与工程团队协作完成模型部署与联调的基本意识与能力。
5、数据思维：具备良好的数据敏感度和逻辑分析能力，能够基于业务目标开展数据探索和算法实验。