岗位职责
1. 数据挖掘与特征工程：基于Doris实时数仓和Iceberg/Paimon数据湖，进行大规模物流数据的深度挖掘；构建高效的特征工程流水线，实现离线训练数据与在线推理特征的一致性。
2. 设计和开发机器学习模型，解决物流优化(路线规划、运力预测、货量预测)、风险控制(异常检测、欺诈识别)、用户分析(用户画像、行为预测、个性化推荐)等业务场景的实际问题。
3. 负责模型的训练、评估、调优和部署上线，建立模型效果监控和迭代机制，持续提升模型性能和业务价值，确保模型在生产环境中的稳定运行。
4. 探索和应用大模型技术(如LLM微调、Prompt工程、RAG等)，为智能客服、文档问答、内容生成等场景提供AI能力支持，推动业务智能化升级。
5. 与数据治理团队、业务部门、产品团队紧密协作，理解业务需求，设计技术方案，将算法能力转化为可落地的应用服务，推动数据价值的最大化。
任职资格
1. 教育背景:本科及以上学历，计算机科学、数学、统计学、数据科学、人工智能或相关专业优先
2. 工作经验：3-5年数据挖掘、算法工程或相关领域工作经验，具备完整的数据分析和建模项目经验，有物流、电商、互联网等行业经验者优先。
3. 技术能力：
- 编程与框架：精通Python，熟练使用Pandas/NumPy/Matplotlib处理数据，精通Scikit-learn、XGBoost、PyTorch/TensorFlow等主流框架。
- 算法领域：扎实的机器学习理论以及统计学和数学基础；具备运筹优化（OR）基础，熟悉求解器（如Gurobi、COIN-OR）或启发式算法者极佳（针对物流路径规划场景）。
- 大模型技术：熟悉Transformer架构，有LLM应用开发和部署经验（LangChain、LlamaIndex），了解向量数据库原理（熟悉基于Doris进行向量检索者优先）。
- 大数据经验：熟练掌握SQL各种SQL方言（Hive/Flink SQL/Trino），了解湖仓架构，有使用Spark/Flink从 Iceberg/Paimon/Hive 读取海量数据进行训练的经验；有使用 Doris 提取实时特征的经验。
4. 业务理解：理解物流行业业务流程和数据特点，能够将业务问题转化为算法问题，具备良好的数据敏感度和业务洞察力，关注算法的业务价值和落地效果。
5. 软技能：优秀的问题分析和解决能力，良好的沟通表达能力，能够向非技术人员清晰阐述技术方案和分析结果，具备较强的学习能力和自驱力，对新技术保持好奇心和探索精神。