当前位置:作文吧实用文档文秘写作内容页

数据挖掘工程师的基本职责

数据挖掘工程师的基本职责 篇1

职责:

1、负责CAIC各类数据平台的搭建及系统开发实现;

2、负责系统技术运维及各类技术问题处理;

3、负责系统间接口数据标准规范制定;

岗位要求:

1、本科以上学历,软件工程、计算机、通信等相关理工类专业;

2、有一年以上.NET实际项目开发经验;

3、熟练掌握.NET Framework、C#语言,熟练使用Visual Studio.NET开发工具;

4、熟练使用Office软件,数据库产品,精通SQL Server等大型数据库系统开发,熟练使用JS框架,如jQuery/YUI等,并解读过源码,熟练多框架加分,精通Ajax技术;

5、有良好的沟通能力、处理解决问题的能力、强烈的责任感和敬业精神;

6、工作认真负责,且主动性强,抗压能力强,能快速融入团队,有较强分析、沟通和协调能力。

数据挖掘工程师的基本职责 篇2

职责:

1、参与K12教育行业大数据分析、大数据处理、数据挖掘等系统的设计和开发;

2、根据业务需求,基于海量学生学习和行为数据(如错题等)进行数学建模,设计并开发高效算法,并对模型及算法进行验证和实现,通过产品和技术提升教学和服务的效率和质量;

3、应用各种机器学习、数据挖掘技术进行数据分析与用户画像;

4、设计和构建基于用户行为特征的平台化画像服务能力,并建立用户画像产品的评估机制和监控体系;

任职资格:

1、全日制本科及以上学历,计算机、数学、统计等相关专业;超过三年的相关工作经验;

2、熟悉C、C++、java、Python,CSharp,R等一门或多门编程语言;具备扎实的数学和计算机编程功底,以及坚实的文本数据挖掘和机器学习理论基础,在推荐算法、广告算法等相关领域研究或实践经验者优先;

3、具备深厚的数据建模(机器学习、数据挖掘)工作经验;有大数据处理实际开发经验(hadoop、spark,、Flink、ElasticSearch、hive、hbase);

4、熟悉各种特征提取、数据降维等数据处理技术;从事过用户画像等方面工作;

5、熟练应用各种分类聚类算法;熟悉各种相关性算法、回归算法;具有数据挖掘算法开发经验;

6、具备较强的沟通能力和优秀的逻辑思维能力,擅长从海量数据中发现有价值的规律;

7、自我驱动能力强,踏实勤勉,对有挑战的问题充满激情;愿意在创业氛围中工作;

8、能够阅读英文技术文档及论文,具有良好的自学能力,可以快速学习和掌握新的方法和技术;

数据挖掘工程师的基本职责 篇3

职责:

1. 参与海量数据挖掘平台设计与开发;

2. 负责底层测试数据的解析开发;

3. 负责数据挖掘需求模型设计与开发;

4. 负责海量数据挖掘的分布式部署及其调优工作。

任职资格:

1.本科及以上学历,计算机、汽车、控制或相关专业;

2.3年以上Python/C++/C开发经验,包含至少 1年以上的数据分析/挖掘相关经验;

3.对MySQL及任意一个NoSQL有深入的了解;

4.做事具有条理性,具有良好的自学能力、分析问题以及解决问题的能力;

5.熟练掌握多进程/多线程技术,具有大规模分布式系统开发经验者,从事过汽车电子相关工作优先。

数据挖掘工程师的基本职责 篇4

职责:

1.负责用户特征、车辆特征等挖掘,并能结合应用场景进行抽象建模;

2.负责用户意图、偏好及车辆等建模画像工作;

3.负责梳理各业务场景下用户生命轨迹,挖掘价值点,建立用户行为预测模型;

4.负责挖掘用户、车源的关联关系,实体对象相似性计算,构建供需匹配推荐模型

任职资格:

1. 5年以上相关工作经验,计算机、统计学、数学相关专业背景,机器学习、数据库、数据挖掘理论和技术基础;

2.掌握常用的机器学习算法,如关联规则 、分类算法、聚类算法;

3.掌握至少一门编程语言,如Python、C、C++、Java等;

4.理解数据库原理,掌握sql,熟练使用Hadoop系列工具;

5.有较强的结构化思维、逻辑思维、数据思维,具备独立思考问题解决问题的能力;

6.有用户画像建模及推荐系统工作经验者优先。

数据挖掘工程师的基本职责 篇5

职责:

1、 进行住宅数据抽取、数据清洗、数据探索、数据建模分析等工作;

2、 负责住宅估值相关业务算法的设计开发;

3、 负责房地产估值数据系统的开发;

4 、参与项目的技术攻坚和优化,相关系统的架构设计和评审,以及对问题的跟踪和解决;

5、参与系统文档的撰写、维护。

岗位要求:

1、数学、统计学、计算机等专业硕士毕业, 具有数据挖掘领域1年以上开发经验;

2、至少掌握Python、Scala、R等语言其中一种,Python优先;

3、掌握关系型数据库Oracle、Mysql、Postgresql的使用;

4、熟悉常见的机器学习算法如KNN、决策树、随机森林数、逻辑回归、SVM等算法,熟悉常见深度学习算法CNN、LSTM和神经网络;