岗位职责： 1. 负责AI算法场景下的数据预处理工作，针对机器学习、深度学习模型需求，完成原始数据的清洗、筛选、归一化、降噪、样本筛选等工作，保障模型训练数据质量； 2. 参与业务特征的挖掘、构建与优化，开展特征提取、特征转换、特征筛选、特征组合等工作，搭建和迭代业务特征体系，提升模型训练效果； 3. 协助搭建和维护特征仓库，完成特征的上线、存储、管理与更新，保障特征数据的稳定性、时效性和复用性，支撑各类AI模型迭代； 4. 配合算法工程师完成模型训练、验证、测试全流程数据支撑，根据模型效果反馈，迭代优化特征策略和数据处理方案； 5. 参与AI数据自动化处理流程的优化，协助优化数据 pipeline，提升数据处理、特征生产、模型迭代的整体效率； 6. 跟进行业AI数据、特征工程新技术、新方法，结合业务场景落地优化，沉淀标准化的数据处理和特征构建方法论。 岗位要求： 1.熟练掌握Python编程，熟练使用Numpy、Pandas工具库，能够独立完成复杂数据集的清洗、异常值处理、缺失值填充、数据变换、样本优化等实操工作，具备独立的数据处理与数据分析实战能力； 2.了解机器学习主流算法与分类、回归、聚类等常见任务，熟练掌握标准化、特征编码、分箱、特征筛选、特征交叉等常用特征工程方法，可根据数据与模型效果优化特征方案；有AI建模、特征构建相关项目或实习经验者优先； 3.熟练掌握SQL，精通多表关联、子查询、窗口函数等复杂语法，可独立完成数据统计、口径校验与数据溯源；了解Hive、Spark等大数据组件，熟悉离线数据处理流程，有特征仓库使用、数据Pipeline搭建经验者优先加分； 4.具备良好的逻辑思维、数据拆解和问题分析能力，能够精准发现数据样本、特征存在的问题；对AI数据、特征工程、机器学习落地有浓厚兴趣，有长期深耕本方向的职业规划； 5.具备良好的问题排查能力和工程思维，能够独立处理常规数据与特征异常问题；善于跨团队沟通协作，可高效对接算法、数仓、业务团队推进工作；工作严谨自律、执行力强，乐于学习新技术，能够承受一定工作压力，勇于接受业务与技术挑战；