KDi NJ - 机器学习工程师

机器学习建模：参与业务场景中的机器学习模型设计、训练与调优，包括回归、分类、聚类、时间序列预测等经典算法及其工程化落地，解决真实业务问题。

统计分析与实验：运用统计学方法开展数据探索、假设检验、A/B 实验设计与效果评估，为业务决策提供严谨的数据支撑与量化结论。

特征工程与数据挖掘：深度参与特征构建、数据清洗与数据质量治理，从海量数据中挖掘有效信号，持续提升模型效果。

模型工程化：参与模型训练、评估、上线部署与监控的完整流程，跟进模型性能表现，推动模型的持续迭代与优化。

数据分析洞察：围绕业务问题开展专题数据分析，输出清晰的洞察报告与可视化呈现，推动分析结论转化为业务动作。

跨团队协作：与产品经理、工程同事密切协作，将模型与分析成果落地为可产出的功能模块，实现从数据到产品的全链路闭环。

学历背景：统计学、数学、计算机、数据科学、人工智能或相关专业本科及以上学历的应届毕业生，硕士研究生优先。

机器学习基础：扎实掌握机器学习经典算法与理论，理解模型评估、交叉验证、正则化、偏差-方差权衡等核心概念，有实际项目或竞赛经验者优先。

统计学功底：具备扎实的概率统计基础，熟悉假设检验、回归分析、时间序列分析、实验设计等方法论，并能将其应用于实际数据分析。

编程能力：Python 编程能力扎实，熟练使用 NumPy / Pandas / Scikit-learn / Matplotlib 等数据科学工具链，熟悉 SQL 者优先。

深度学习认知：了解神经网络与主流深度学习框架（PyTorch / TensorFlow），对深度学习在业务场景中的应用保持学习热情者优先。

数据敏感度：具备较强的逻辑思维与数据敏感度，能够从数据中发现规律、定位问题，并用清晰的方式呈现分析结论