一、岗位要求
教育背景
学历：计算机科学、软件工程、人工智能、数据科学、统计学、数学等相关专业本科或硕士在读。
核心课程：需熟悉数据结构与算法、机器学习、数据库原理、概率统计等。
技术技能
编程语言：至少精通 Python，熟悉 SQL；加分项：Java/Scala/C++。
大数据工具：了解 Hadoop/Spark/Flink 等分布式计算框架，或至少熟悉一种（如 Spark）。
AI/ML 框架：掌握 TensorFlow/PyTorch 等深度学习框架，熟悉常见算法（如 CNN、RNN、强化学习）。

数据处理：熟悉数据清洗、特征工程、可视化工具（如 Pandas、Matplotlib、Tableau）。
数据库：熟悉 MySQL、HBase、Redis 等，了解 NoSQL 或时序数据库更佳。

加分项

有 Kaggle 竞赛、数学建模比赛经历，或 GitHub 开源项目（需提供代码链接）。

熟悉云计算平台（AWS/Azure/阿里云）或 Docker/Kubernetes 部署。

了解 NLP（如 Transformer、BERT）、CV（目标检测、图像分割）或推荐系统（协同过滤、排序模型）。

论文发表或科研项目经历（尤其是顶会/期刊）。

软技能

逻辑清晰，能独立解决问题，具备快速学习能力。

良好的沟通能力，能配合团队完成项目迭代。

二、职位描述（JD）
核心工作内容

参与 大数据平台 的构建与优化，支持海量数据（用户行为日志、业务数据）的采集、存储与处理。

开发或优化 AI 模型，应用于实际业务场景（如推荐系统、风险预测、图像识别、自然语言处理）。

配合团队完成数据挖掘、特征工程、模型训练与调优，撰写技术文档。

通过 A/B 测试验证模型效果，推动算法在业务中的落地。

具体任务示例

教育科技场景：

分析在线教育平台的用户学习行为数据，构建 个性化推荐模型（如课程推荐、学习路径规划）。

开发 AI 驱动的 智能答疑系统（基于 NLP 的问答匹配或知识图谱）。

通用场景：

使用 Spark 处理 TB 级数据，优化 ETL 流程性能。

基于 TensorFlow 实现时序预测模型（如销量预测、设备故障预警）。

学习与成长机会

接触真实业务场景，理解 AI 从研发到落地的全流程。

表现优异者可转正或获得内推机会。