大数据挖掘工程师

岗位职责：
作为大数据挖掘算法工程师，你将利用机器学习、深度学习、统计建模、运筹优化等技术，从海量（PB级）汽车行业数据中挖掘价值、构建预测模型、优化决策。你负责处理复杂数据、设计高效算法，解决用户画像、车辆标签、时空预测、推荐排序、因果分析等业务问题，并推动模型在生产环境的应用落地。你需要具备强大的数据处理能力和扎实的算法功底。
主要职责
一、数据挖掘与特征工程：
1.深入分析汽车行业多源异构数据（用户行为、车辆状态、时空轨迹、诊断数据等），进行数据探索、清洗、转换和特征提取。
2.构建高价值特征，支撑上层算法模型。
二、算法模型研发与应用：
1.应用机器学习（XGBoost, LightGBM, Scikit-learn）、深度学习（PyTorch/TF用于非大模型场景）、强化学习、运筹优化、因果推断等技术，研发和优化算法模型，解决：
用户画像与车辆标签： 精准分类、打标、画像构建。
智能推荐与匹配： 提升信息、服务、资源的匹配效率和精准度。
时空数据分析与预测： 车辆轨迹预测、交通流预测、需求预测、驻留点分析等。
车辆诊断与健康管理： 基于数据的故障预测、性能评估。
驾驶行为分析： 安全评分、驾驶风格识别等。
因果推断： 分析策略、活动等的真实效果。
三、大数据处理与模型实现：
1.利用Hive, Spark, Flink, Scala/Python等大数据技术处理和建模PB级数据。
2.在分布式环境下高效实现、训练和评估算法模型。
3.熟悉数仓概念，能有效利用Hive、Doris等数仓进行高效数据查询和模型部署。
四、模型部署与效果迭代：
1.与工程团队合作，将算法模型部署到生产环境。
2.设计监控指标，跟踪模型线上表现，进行AB测试，持续迭代优化模型效果。
五、数据洞察与业务支持：
1.分析模型结果，提炼数据洞察，为业务决策提供数据支持和算法解决方案。
2.与业务、产品团队紧密沟通，理解需求，将业务问题转化为可解的算法问题。
教育背景：
1. 计算机科学、统计学、应用数学、数据科学、运筹学等相关专业硕士及以上学历。
任职要求：
行业经验：
3年以上数据挖掘、机器学习算法研发经验，有处理海量数据（TB/PB级）的实际项目经验。
有汽车行业数据分析或算法应用经验者优先，熟悉车联网数据、用户行为数据、时空数据者尤佳。
有完整的算法项目经验（问题定义、数据准备、特征工程、模型选择调优、评估、部署、监控迭代）。
有用户画像、推荐系统、时空预测、运筹优化、因果推断等任一或多个领域的实战经验。
岗位经验：
任职要求：
技术能力：
精通Python和/或Scala。
扎实的机器学习/数据挖掘理论基础和实践经验，精通常用算法（集成学习、深度学习基础、时序模型、聚类、关联规则等）及模型评估方法。
熟练掌握Spark等进行大数据处理和分布式模型训练。
熟练使用Hive进行数据查询和处理。
熟悉Flink或Kafka在实时数据处理/特征工程中的应用者优先。
具备优秀的特征工程能力和数据敏感性。
了解运筹优化（OR）、因果推断（Causal Inference）方法者优先。
熟悉Doris、ClickHouse等MPP数据库或OLAP引擎者优先。
了解常用深度学习框架（PyTorch/TensorFlow）在非大模型场景（如图像分类、时序预测）的应用。
团队合作： 优秀的沟通能力，能将复杂的技术问题清晰传达给非技术人员；良好的跨团队协作能力。
其他要求： 良好的英语技术文献阅读能力；强烈的解决问题能力和结果导向。