數(shù)據挖掘工程師的崗位職責概述
數(shù)據挖掘工程師的崗位職責概述
數(shù)據挖掘工程師需要理解客戶具體業(yè)務需求，利用思邁特數(shù)據挖掘軟件，提供明確的大數(shù)據分析應用解決方案。下面是學習啦小編為您精心整理的數(shù)據挖掘工程師的崗位職責概述。
數(shù)據挖掘工程師的崗位職責概述1
職責：
1.根據業(yè)務場景要求設計數(shù)據挖掘模型，包括有監(jiān)督、無監(jiān)督類模型，以及偏好、價值評估類模型、組合最優(yōu)化類模型等
2.通過數(shù)據挖掘手段進行標簽化工作
3.根據數(shù)據挖掘方法論完成數(shù)據挖掘全流程建模工作
4.自主開展模型效果評估，并不斷優(yōu)化
5.開展數(shù)據挖掘模型產品化工作
6.帶領產品(或項目)團隊進行技術攻關
7.主導數(shù)據挖掘相關解決方案編寫、客戶交流
任職資格：
1.本科及以上學歷
2.熟悉SPARK ML
3.精通Python技術
4.精通數(shù)據挖掘常用算法以及神經網絡算法
5.精通SQL數(shù)據處理，包括關系型數(shù)據庫，以及Hive SQL、Spark SQL處理
6.三年以上數(shù)據挖掘設計、開發(fā)經驗
7.具備獨立研究以及解決問題的能力
8.較強的PPT方案撰寫以及呈現(xiàn)能力
9.較強的溝通協(xié)調和執(zhí)行能力，能夠承受較大的工作壓力
10.較強的工作責任心和客戶服務意識
數(shù)據挖掘工程師的崗位職責概述2
職責
1、挖掘和分析海量市場數(shù)據，研究市場運行規(guī)律，發(fā)現(xiàn)市場定價的無效之處;
2、設計交易策略，報單策略，和風險管理策略。
3、提升市場定價效率，幫助建設一個更加有效的金融市場。
技能要求
1、數(shù)學，統(tǒng)計學，物理學或相關專業(yè)方向的優(yōu)秀畢業(yè)生，碩士或者以上學歷;
2、能將所學知識靈活應用于處理實際問題，具有豐富的研究經驗;
3、在重要學術類比賽中獲獎，發(fā)表過高質量論文，或者熟練掌握計算機高級語言將是加分項;
4、熟練閱讀英文文獻。
數(shù)據挖掘工程師的崗位職責概述3
職責
1、用戶畫像的持續(xù)優(yōu)化，基于海量用戶行為，建立數(shù)據挖掘模型，比如用戶偏好預測、用戶價值評分等;
2、對各類需求數(shù)據進行挖掘、統(tǒng)計建模分析，并提交有效的分析報告，為公司運營決策提供數(shù)據支持;
3、建立和完善分析體系，跟蹤模型的實施，優(yōu)化算法和分析策略，提供建設性建議;
4、推進推薦、數(shù)據挖掘、機器學習技術在行業(yè)數(shù)據的應用。
任職資格
1、計算機、應用數(shù)學、統(tǒng)計學等相關專業(yè);
2、熟練運用至少一種統(tǒng)計分析工具：R、python、SAS，熟練操作python進行數(shù)據分析優(yōu)先
3、了解數(shù)據挖掘方法論，熟悉回歸、決策樹、聚類等算法;
4、參加過數(shù)據挖掘項目或推薦項目并擔任項目核心成員優(yōu)先;
5、精通關系型數(shù)據庫SQL Server, 分布式數(shù)據倉庫Hive;
6、有責任心，良好的團隊合作精神，樂于分享，積極上進，具備良好的學習能力。
數(shù)據挖掘工程師的崗位職責概述4
職責:
1、對海量業(yè)務數(shù)據進行分析，深度挖掘用戶行為特征，構建用戶精準營銷標簽體系;
2，負責會員拉新、分層、轉化、留存等業(yè)務模型支持，負責會員生命周期模型的設計與開發(fā);
3，負責個性化商品推薦，門店經營預測及評估模型的開發(fā)。
任職資格:
1、全日制本科及以上學歷，計算機、統(tǒng)計學相關專業(yè);
2、熟悉python或java;
3、對機器學習中的經典分類、回歸算法熟悉，對個性化推薦算法(協(xié)同過濾，SVM, RFM)熟悉;
4、至少有2個實際開發(fā)項目案例;
5、三年以上數(shù)據挖掘工作經驗。
數(shù)據挖掘工程師的崗位職責概述5
職責：
1、負責建立和優(yōu)化用以分析所采集時序數(shù)據中內在屬性與聯(lián)系的相應模型算法，
2、負責圖像識別領域中相關物體檢測算法、超分辨率重建等算法的構建及優(yōu)化，提供一整套智慧實驗室的解決方案包括但不局限，設備狀態(tài)分析，設備利用率的分析、設備運行過程的分析，設備與人員方面的圖像識別、語音識別等。
任職要求：
1、計算機，數(shù)學相關專業(yè)，本科以上學歷;
2、有良好的閱讀文獻能力、扎實的數(shù)學以及編程功底，掌握python、java、c++、c中的一種或多種編程語言，掌握mysql等主流數(shù)據庫技術。
3、熟悉基本機器學習算法及其原理，如SVM、聚類、邏輯回歸等。
4、熟悉tensorflow、keras等主流深度學習框架，熟悉CNN、LSTM等主流的神經網絡模型。
5、有過圖像識別、語音識別、自然語言處理、實時數(shù)據處理等實際項目經驗或者研究經驗者優(yōu)先。
相關文章：