一、岗位职责
1. 战略与规划：
承接部门战略，制定算法组的年度技术发展规划与路线图，确保算法研发方向与公司核心业务目标（如增长、风控、体验）紧密对齐。
洞察业界前沿算法趋势，评估并引入适合业务场景的新技术，保持团队技术更新迭代。
2. 数据理解与特征工程：
主导对跨域融合数据的探索性分析，深刻理解数据业务含义与分布。
领导团队设计和构建面向用户画像、业务场景的规模化、自动化特征工程体系，为模型提供高质量输入。
3. 算法模型研发与管理：
负责公司核心数据标签（特别是智能标签、预测标签）的算法模型体系规划、设计与研发管理。
领导团队研发机器学习、深度学习模型，专注于用户画像、精准营销、智能推荐、风险控制、生命周期预测等关键业务场景。
建立从特征提取、模型训练、评估到在线服务的标准化、流程化研发体系。
4. 模型全生命周期管理：
建立和完善模型的部署、监控、预警、迭代和退役的全生命周期管理机制。
确保线上模型的稳定性、准确性、时效性和可解释性，并推动模型的持续优化与价值提升。
5. 团队管理与协作：
组建、培养和管理一支高水平的算法团队，营造技术创新氛围。
作为数据科学能力的核心接口人，与数据开发组、系统开发组及业务部门紧密协作，将算法能力高效产品化、服务化，赋能业务。
二、技能要求
1、算法能力：熟练掌握机器学习、深度学习的主流算法原理及应用场景，具备丰富的特征工程、模型训练与评估经验，能够针对用户画像、智能推荐等场景设计有效的算法解决方案。
2、项目经验：拥有带领算法团队完成从0到1的模型项目开发并成功推动模型落地、产生业务价值的完整经验。
3、工程协同：熟悉模型的工程化部署流程（如模型服务化、在线推理），具备与数据开发、系统开发团队协同合作，将算法模型转化为稳定数据服务的能力。
4、数据理解：具备良好的数据敏感度，能够从复杂数据中发掘特征规律，并理解数据安全与合规要求在设计模型时的应用。
5、团队管理：具备算法团队的管理与建设能力，能够规划技术路线、分配研究任务并培养团队成员。