一、崗位職責
1. 戰略與規劃：
承接部門戰略，制定算法組的年度技術發展規劃與路線圖，確保算法研發方向與公司核心業務目標（如增長、風控、體驗）緊密對齊。
洞察業界前沿算法趨勢，評估并引入適合業務場景的新技術，保持團隊技術更新迭代。
2. 數據理解與特征工程：
主導對跨域融合數據的探索性分析，深刻理解數據業務含義與分布。
領導團隊設計和構建面向用戶畫像、業務場景的規?；?、自動化特征工程體系，為模型提供高質量輸入。
3. 算法模型研發與管理：
負責公司核心數據標簽（特別是智能標簽、預測標簽）的算法模型體系規劃、設計與研發管理。
領導團隊研發機器學習、深度學習模型，專注于用戶畫像、精準營銷、智能推薦、風險控制、生命周期預測等關鍵業務場景。
建立從特征提取、模型訓練、評估到在線服務的標準化、流程化研發體系。
4. 模型全生命周期管理：
建立和完善模型的部署、監控、預警、迭代和退役的全生命周期管理機制。
確保線上模型的穩定性、準確性、時效性和可解釋性，并推動模型的持續優化與價值提升。
5. 團隊管理與協作：
組建、培養和管理一支高水平的算法團隊，營造技術創新氛圍。
作為數據科學能力的核心接口人，與數據開發組、系統開發組及業務部門緊密協作，將算法能力高效產品化、服務化，賦能業務。
二、技能要求
1、算法能力：熟練掌握機器學習、深度學習的主流算法原理及應用場景，具備豐富的特征工程、模型訓練與評估經驗，能夠針對用戶畫像、智能推薦等場景設計有效的算法解決方案。
2、項目經驗：擁有帶領算法團隊完成從0到1的模型項目開發并成功推動模型落地、產生業務價值的完整經驗。
3、工程協同：熟悉模型的工程化部署流程（如模型服務化、在線推理），具備與數據開發、系統開發團隊協同合作，將算法模型轉化為穩定數據服務的能力。
4、數據理解：具備良好的數據敏感度，能夠從復雜數據中發掘特征規律，并理解數據安全與合規要求在設計模型時的應用。
5、團隊管理：具備算法團隊的管理與建設能力，能夠規劃技術路線、分配研究任務并培養團隊成員。