高级数据工程师

岗位职责:•需求调研与方案设计：与业务部门、产品团队及技术团队紧密合作，梳理客户数据、产品数据等相关数据的处理需求，设计整体的AI解决方案；•算法研发与模型构建：利用机器学习和深度学习技术，构建关键模型，主要涉及以下场景及对应的算法；•玩家价值预测与收入预测：回归模型（如线性回归、岭回归、LASSO回归）、树模型（如决策树、随机森林、XGBoost、LightGBM）、深度神经网络（如多层感知器）、时间序列预测（如ARIMA、Prophet、LSTM网络）等；•客户流失预测：分类模型（如逻辑回归、支持向量机、随机森林、梯度提升树）、生存分析方法（如Cox回归）、深度学习方法（如RNN、LSTM用于序列数据分析）等；•玩家微细分与用户画像：聚类算法（如K-means、DBSCAN、层次聚类）、降维方法（如PCA、t-SNE、UMAP）、图谱构建与社群检测算法（如社交网络分析中的模块度优化）等；•个性化*与内容定制：协同过滤（基于用户或物品的协同过滤算法）、内容*（如基于深度学习的*网络、神经协同过滤）、强化学习（用于实时个性化*与策略优化）、自然语言处理与大语言模型（LLM，如GPT、BERT，用于文本挖掘、客服对话及内容生成）等；•产品使用及异常检测：异常检测算法（如孤立森林、One-ClassSVM、基于深度学习的自编码器）、时间序列异常检测（如季节性分解、统计过程控制）等；•数据分析与模型优化：深入分析历史数据及实时数据，识别关键指标（例如特征使用情况、KPIs异常等）并基于数据反馈不断优化算法性能和模型效果；•跨团队协作与技术落地：与数据平台工程师、产品经理紧密协作，将算法成果集成至生产环境，确保在海量数据和实时场景下的高效、稳定运行；•前沿技术研究：持续关注和研究*新的人工智能、深度学习及LLM技术，并探索其在业务场景（例如个性化互动、实时决策与文本数据分析）中的应用与优化可能。任职要求:•计算机科学、统计学、数据科学、数学等相关专业及以上，具备扎实的理论基础和数学建模能力；•至少3-5年的数据分析、机器学习或深度学习项目经验，具有金融、互联网等相关领域经验者优先；•熟悉常用的机器学习框架（如TensorFlow、PyTorch、scikit-learn等）和数据处理工具；•具备大规模数据建模、实时数据处理及分布式计算的实践经验；•熟悉主流算法及其在业务场景中的应用，包括但不限于回归、分类、聚类、*、异常检测及时间序列预测；•具备应用大语言模型（LLM，如GPT系列、BERT等）解决文本处理和自然语言理解任务的实践经验；•良好的数据预处理、特征工程、模型调优和算法部署能力，能够在分布式平台上实现高效的模型运行；•能够清晰地将复杂的技术问题解释给业务和非技术团队，与跨部门团队高效协作；•具备出色的问题解决能力和对新技术敏锐的洞察力，能主动推动技术革新和业务优化。
联系我时，请说是在58同城上看到的，谢谢！