AI数据科学家（AIDD模型应用与工程化方向）(J14908)

构建可复现的运行环境，完成容器化打包、依赖固化和版本管理。

处理不同工具在数据格式、坐标体系、单位、命名规范上的差异，建立统一的数据转换层。

沉淀集成模板与脚手架，使同类工具的接入成为标准化流程而非一次性工作。

设计批量任务与参数扫描能力，支撑大规模筛选、多靶点并行和高通量计算场景。

优化计算资源使用：合理规划 CPU / GPU / 内存 / 本地存储配置，控制墙钟时间与成本。

与平台架构和后端团队协作，将 Workflow 接入调度系统、任务队列、存储和结果展示模块。

建立回归测试机制，保证版本升级、依赖变更和环境迁移不引入静默错误。

与业务方共同定义验收标准，明确适用范围、已知局限和不应使用的场景。

记录验证结果、参数选择依据和已知问题，形成可审计的交付文档。 这个岗位的核心不是把命令行工具包起来，而是保证平台上跑出来的每一个结果，业务方可以放心用于决策。

建立模板、脚手架、自动化测试和 CI/CD，把重复工作交给自动化。

按复杂度对交付单元分级排期，维护交付清单与进度可见性。

与 PM、QA / 运维协作，落实测试覆盖、发布检查清单和上线规范。

基于真实业务需求，对候选工具做能力、性能、许可、依赖复杂度和维护成本的综合评估。

独立跑通候选工具，复现论文或官方基准结果，判断其在内部数据条件下的实际表现。

输出选型结论与取舍依据，避免把不可维护或不可验证的工具引入平台。

诊断并修复运行问题，区分环境问题、数据问题、参数问题与工具本身缺陷。

收集使用反馈，持续优化参数默认值、文档和交互形式。

编写使用说明与最佳实践，支持研发人员自助使用。

生物信息学、计算生物学、计算化学、计算机科学、数据科学或相关专业，硕士及以上学历。

必须具备生物信息学 / 计算生物学相关工具的实际使用经验，例如以下方向中的一类或多类： ● 序列分析与比对：BLAST、HMMER、MMseqs2、MAFFT 等；

测序数据处理与变异检测：BWA、STAR、samtools、GATK 等；

组学与单细胞分析：Scanpy、Seurat、DESeq2、limma 等；

结构与蛋白计算：AlphaFold、ESMFold、PyMOL、Rosetta 等；

分子对接与模拟：AutoDock、Schrödinger 套件、GROMACS、OpenMM、RDKit 等。

能够独立阅读工具文档与原始论文，跑通流程、校验输出并判断结果是否科学合理。

熟悉工作流引擎：Nextflow、Snakemake、WDL、CWL、Airflow、Argo Workflows 中的一种或多种。

具备工程化思维和实际工程经验：熟练使用 Linux 与 Shell，熟悉 Git、Docker / Singularity 容器化、依赖与环境管理（conda / mamba / uv / pixi）、CI/CD 与自动化测试。

熟练使用 Python，具备良好的代码组织能力，能够写出可维护、可测试、可交接的代码。

具备 HPC 或云端批量计算经验，熟悉 Slurm、LSF、Kubernetes、AWS Batch 等中的一种或多种。

具备扎实的统计与数据分析基础，能对计算结果做质量控制和合理性判断。

良好的文档与沟通习惯，具备交付节奏意识，能在多任务并行下稳定输出。