数据挖掘算法专家

技术规划与方向引领（50%） 主导数据挖掘方向的技术路线规划，制定用户标签体系、行为预测、异常检测、特征挖掘等核心算法场景的技术策略 把控算法方向的技术选型与方案设计，推动LLM与传统挖掘算法的融合创新 算法研发落地（30%） 独立主导从数据处理、特征工程、模型训练、评估到上线的全链路，具备完整的Hands-on能力 级真实数据上高效落地算法，确保模型在生产环境的性能与稳定性 建立算法评估与迭代机制，持续优化模型效果和工程指标 业务协作与赋能（10%） 与增长团队、推荐搜索团队和数据工程团队深度协作，准确将业务问题转化为算法问题 主动识别业务痛点，提出数据驱动的算法解决方案，推动算法产出直接驱动业务增长与留存 团队建设（10%） 带领算法团队（3人以上），进行工作分配、Code Review和技术辅导 参与人才招聘和面试，建立团队知识体系

必备条件： 5年以上数据挖掘/机器学习相关工作经验，其中至少2年担任算法方向技术负责人经验 扎实的统计学与机器学习理论基础，精通主流挖掘算法（用户分层、行为预测、推荐、异常检测、标签体系等），有从0到1主导算法方向建设的成功案例 具备完整的算法工程化能力，能独立主导特征工程、模型训练、评估、上线全链路，理解MLOps体系 能将业务问题准确转化为算法问题，具备独立的方案设计与技术评审能力 具备良好的自驱力与抗压韧性，善于跨团队协作，能与业务、数据工程、产品团队高效对接 兼具用户视角、数据及商业敏感度，执行效率高，能在多任务并发中稳定交付结果 加分项 券商/基金/量化机构的数据挖掘实战经验，包括但不限于：用户投资行为建模、资产偏好预测、风险分层、交易异常检测、投资标签体系建设等；熟悉金融数据的特殊性（高噪声、低频标签、合规约束等），能将通用算法方法论有效迁移至金融场景 多市场/多语言用户数据建模经验；具备英文工作能力，了解美股/港股/新加坡等市场业务逻辑 BAT/TMD/头部金融科技公司核心算法团队经验；有亿级用户规模算法系统落地经验；有LLM与传统挖掘融合的实践经验