岗位职责：
1、面向政企业务智能化需求，开展多源业务数据分析、特征构建与算法建模，重点研究分类预测、客户分群、关系挖掘、智能推荐等通用算法方法，支撑业务智能分析与决策。
2、参与业务数据特征体系设计，开展统计特征、时序特征、行为特征、关系特征及组合特征构建，研究特征筛选、特征贡献度分析及特征复用方法，重点沉淀可配置、可复用的特征能力。
3、基于实际业务数据开展机器学习、深度学习模型训练、评估与调优，重点研究样本不均衡、弱标签、数据漂移、模型泛化及跨场景迁移等问题，提升模型稳定性和业务适配能力。
4、探索业务规则、本体知识、关系网络与机器学习模型的融合方法，将结构化知识和关系信息引入特征构建、模型训练和结果解释过程，提升模型的可解释性与分析能力。
5、参与算法原型开发、实验设计、指标评估和结果分析，推动算法能力在实际业务中的验证，形成通用算法流程、特征组件、模型组件及可复用技术能力。
6、持续跟踪机器学习、图学习、推荐系统、迁移学习、大模型辅助数据分析等方向的最新技术进展，结合业务需求开展技术调研和实验验证。

任职条件：
1、博士及以上学历在读，计算机、人工智能、数据科学、数学、统计学、软件工程等相关专业，具备扎实的机器学习、概率统计和数据挖掘基础。
2、熟悉常用机器学习算法，包括逻辑回归、决策树、随机森林、XGBoost、LightGBM、聚类、降维等，能够独立完成模型训练、评估和调优。
3、具备较好的特征工程能力，熟悉数据清洗、特征构建、特征筛选、样本处理、模型解释等方法；了解SHAP、特征重要度分析等技术者优先。
4、熟练掌握Python、C++、Java等至少一种主流编程语言，具备良好的数据处理和算法实现能力；熟悉Pandas、NumPy、Scikit-learn、PyTorch等常用数据分析或机器学习框架者优先，具备较好的代码实现和实验能力。
5、具备较强的数据分析、实验设计和问题定位能力，能够结合业务问题设计实验、分析模型结果并持续优化。
6、了解图数据分析、图神经网络、迁移学习、多任务学习、推荐算法或大模型技术者优先。
7、具备良好的逻辑思维、业务理解和沟通协作能力，可连续实习3个月及以上，长期实习者优先。