数据挖掘算法工程师岗位职责

数据挖掘算法工程师岗位职责

　　在现在的社会生活中，岗位职责使用的频率越来越高，制定岗位职责可以最大限度地实现劳动用工的科学配置。一般岗位职责是怎么制定的呢？下面是小编收集整理的数据挖掘算法工程师岗位职责，仅供参考，希望能够帮助到大家。

数据挖掘算法工程师岗位职责1

　　岗位职责：

　　负责团队现有算法的优化，代码实现以及移植

　　负责算法计算性能优化，并推动其上线应用

　　基于大规模用户数据，以效果为目标，建立并优化系统的基础算法和策略

　　应用机器学习等尖端技术，针对海量信息建模，挖掘潜在价值跟踪新技术发展，并将其应用于产品中；

　　跟踪新技术发展，并将其应用于产品中

　　协助其它技术人员解决业务及技术问题

　　任职资格：

　　熟练使用Java、python、scala语言（至少一门），熟悉面向对象思想和设计模式

　　具备一年以上机器学习理论、算法的研究和实践经验

　　擅长大规模分布式系统。海量数据处理。实时分析等方面的算法设计。优化

　　熟悉Hadoop、spark等大数据处理框架

　　具备分布式相关项目研发经验（如分布式存储/分布式计算/高性能并行计算/分布式cache等）

　　熟悉大规模数据挖掘、机器学习、分布式计算等相关技术，并具备多年的'实际工作经验

　　对数据结构和算法设计有深刻的理解

　　具有良好的分析问题和解决问题的能力，有一定数学功底，能针对实际问题进行数学建模

　　良好的逻辑思维能力，和数据敏感度，能能够从海量数据中发现有价值的规律

　　优秀的分析和解决问题的能力，对挑战性问题充满激情

　　良好的团队合作精神，较强的沟通能力

数据挖掘算法工程师岗位职责2

　　1、通过海量数据挖掘、机器学习等方法，构建用户画像、个性化推荐、销量预测、风险控制等系统

　　2、参与数据挖掘项目的设计、实现、算法调研、优化

　　3、用户分析、理解及建模，持续提升用户产品体验

　　4、调研并促进数据挖掘在公司多个业务领域的应用

　　任职资格：

　　1、熟悉Java、Scala或Python编程语言，有Java多线程、AkkaActor编程经历者优先。

　　2、熟悉hadoop、Spark、Redis、ES以及数据可视化等方面者优先

　　3、拥有基于MapReduce的分布式编程思想，熟悉常用的机器学习算法，如：决策树、SVM、聚类、回归、贝叶斯、神经网络。且有上述算法的分布式实现与优化经验者优先

　　4、熟悉大规模分布式系统理论，研读过mllib/mahout/H20/TensoFlow等源码，在项目中将分布式算法应用到业务当中者优先。

　　5、较强的英文文献阅读理解能力，相关文档编制能力

数据挖掘算法工程师岗位职责3

　　工作职责：

　　1、运用数据挖掘和机器学习方法和技术，深入挖掘和分析海量商业数据

　　2、包括但不限于风控模型、用户画像、商家画像建模、文本分析和商业预测等

　　3、运用数据挖掘/统计学习的理论和方法，深入挖掘和分析用户行为，建设用户画像

　　4、从系统应用的角度，利用数据挖掘/统计学习的理论和方法解决实际问题

　　任职要求

　　—计算机、数学，统计学或人工智能等相关专业硕士以上学历，5—10年以上或相关工作经历

　　—精通1—2种编程语言（Python或Java），熟练掌握常用数据结构和算法，具备比较强的实战开发能力，能带领团队共同进步。

　　—具有统计或数据挖掘背景，并对机器学习算法和理论有较深入的研究

　　—熟悉数据挖掘相关算法（决策树、SVM、聚类、逻辑回归、贝叶斯）

　　—具有良好的学习能力、时间和流程意识、沟通能力

　　—熟悉Spark或hadoop生态分布式计算框架

　　—优秀的沟通能力，有创新精神，乐于接受挑战，能承受工作压力

　　—有互联网，央企，政务，金融等领域大规模数据挖掘经验者优先