高级数据科学家岗位职责

职位描述
1、风险识别与整改：识别模型的漏洞，包括偏差、公平性、幻觉、安全风险等问题，并给予整改建议。​
2、审计框架下的模型评估：对模型的全生命周期进行审计，从训练、部署到后续监控，确保质量、性能、公平性和风险管理符合相关要求。​
3、AI模型开发与实现：设计、开发、训练并搭建机器学习和AI模型，解决审计、风险和业务运营的挑战。利用机器学习和AI技术，自动化业务和审计流程，从结构化和非结构化数据中挖掘关键发现，并提高团队在交付可行建议方面的能力。
4、数据分析服务：与审计师合作，为审计工作提供数据支持和指导，包括进行访谈、查看系统和具体操作、开发查询和测试策略、部署数据质量检查以确保数据集的完整性和准确性。
5、自动化与自助分析：与审计师合作，识别和分析关键风险指标，参与持续审计数据战略的制定，转化为相应的数据解决方案；构建并维护ETL数据任务和仪表盘。
6、数仓建设与数据治理：开发并维护不同业务领域的数据仓库，以高效支持审计工作；为关键数据资产实施数据质量检查，并与数据合作伙伴持续协作，确保数据资产的完整性和准确性。
7、沟通与协作：清晰地与技术和非技术相关方沟通技术发现、风险评估和建议。
职位要求
1、在大型语言模型（LLMs）和传统机器学习（ML）方面具有深厚的技术专长。熟悉LLM架构（如GPT、BERT、T5、PaLM）和经典的机器学习算法（如回归、决策树、神经网络）。能够分析包括模型设计、训练方法、数据管道和推理等工作内容。​
2、精通SQL和Python（包括Hugging Face Transformers、TensorFlow、PyTorch、scikit-learn等库），数据分析工具和机器学习管道编排平台。
3、具有数据集成、ETL和大规模数据处理系统的经验。​
4、具有AWS、GCP、Azure或Snowflake等云基础设施的工作经验。
5、具有构建和维护数据产品或解决方案的经验，其中包括开发并持续监控的核心指标/KPI；或面向持续审计项目的数据分析解决方案，包括自动化分析和定期检查。
6、能够清晰地与技术和非技术利益相关方沟通技术发现、风险评估和建议。

【工作目标】
带领团队搭建AI自动化数据生产流程，主导完成高等教育领域核心数据的采集、标签化及上线全流程，为SaaS产品数据生产效率赋能。
【岗位职责】
1、生产效率提升：搭建AI自动化高效数据采集、标签生产流程，实现既定生产效率指数级提升；
2、项目管控：主导数据项目的全周期运营，管理采集、标签生产全流程，科学规划团队成员分工，为项目效率和项目进度负责；
3、数据质控：为数据质量负责，设计有效的数据检验与核对方法；
4、团队搭建：基于业务目标进行团队建设。
【岗位要求】
1、重点本科及以上学历，计算机相关专业；
2、有复杂AI数据生产落地经验；
3、熟练掌握至少一种爬虫框架，精通网页抓取，熟悉各种反爬手段；
3、能同时管理3-5人团队，带领团队在既定时间内实现目标；
4、逻辑思维能力强，严谨细致，对数据敏感，擅长从复杂数据中提炼关键问题，并推动系统性解决；
5、具有独立的思考力、分析调研能力，以及良好的沟通能力和学习能力；
6、认同创业文化，有敬业精神，事业心强。

【岗位亮点】
1、行业标杆平台：国内高等教育数据研究*品牌，每年发布的权威排名被国内外高校作为战略参考依据，你的工作将为中国高等教育评价体系建设提供核心价值。
2、专业成长快车道：深度参与构建价值千万级的数据产品体系，持续学习，不断锻炼提升逻辑思维和业务理解能力。
3、事业开拓机遇：晋升通道通畅，优秀者可发展为多业务线负责人，与顶尖研究团队共同探索高等教育评价新维度。

岗位描述


1. 负责公司营销模型、风控模型、经营模型等业务模型的效果评估与监控，确保模型在生产环境中稳定、有效地运行。
2. 构建和维护模型监控体系，包括模型性能、数据漂移、概念漂移、特征分布变化、业务指标变化等监控指标与报警机制。
3. 跟踪模型投产后的业务表现，通过数据分析、A/B 测试、假设验证等手段挖掘问题根源，提出优化建议。
4. 与模型团队、业务团队紧密协作，推动模型迭代或重训练，确保模型的业务适用性与稳定性。
5. 建立并推动模型生命周期管理流程（从上线、监控、评估、下线），提升模型治理水平。


任职要求


1. 硕士及以上学历，数学 / 统计学 / 计算机科学 / 金融工程等相关专业背景优先。
2. 3 年以上数据分析相关经验；熟悉因果推断，熟悉AB实验相关方法；有信贷相关经验优先。
3. 熟练运用数据分析工具（如 SQL、Python/R、Excel 等），能够独立构建监控指标、分析模型表现。
4. 熟悉 ML/统计模型基本原理，了解模型上线后可能出现的数据漂移、模型性能下降等问题及其应对方法。
5. 具备良好的业务敏感度，能理解业务指标与模型输出之间的关系，能够将技术监控指标转化为业务决策建议。
6. 有较强的责任心、自驱性与抗压能力，能够在模型异常或业务波动时快速响应。