机器学习算法工程师

负责分类、回归、聚类、排序、异常检测、时序预测等机器学习模型的设计、训练、调优与迭代。针对欠拟合、过拟合、样本不均衡、噪声数据、分布偏移等问题进行模型优化与泛化能力提升。

负责结构化、时序、日志类数据的特征挖掘、特征筛选、特征交叉、特征归一化、时序特征构造。挖掘变量相关性、趋势特征、统计特征、滞后特征、周期特征、耦合关联特征，构建高区分度特征体系。

开展数据分布分析、异常分析、相关性分析、共线性分析，保障特征稳定性与有效性。针对工业/业务时序数据，开展时延辨识、关联挖掘、路径传导、稳态识别、突变检测、周期分析。

熟练使用滞后相关、互相关、广义互相关、偏相关、格兰杰因果、动态关联拓扑挖掘时序规律。因果分析与可解释建模开展变量因果分析、路径关联分析、拓扑模式识别，区分直接关联、间接关联、虚假关联。

精确把控模型指标：准确率、精确率、召回率、泛化能力、稳定性。沉淀通用算法工具链：特征挖掘工具、时序分析工具、模型训练模板、评估脚本

硕士及以上学历，计算机、统计学、数学、自动化、软件工程、大数据、人工智能相关专业。

扎实的机器学习、统计学、数据分析基础，熟悉各类算法原理、损失函数、优化器、评价指标。

熟练 Python，熟练使用 Pandas、NumPy、Scikit-learn 进行数据分析与建模。

熟练掌握主流机器学习算法：LR、GBDT、XGBoost、LightGBM、聚类、异常检测等。

精通特征工程：统计特征、时序特征、特征筛选、特征交叉、归一化、标准化。

熟练掌握相关性分析、时序分析、滞后分析、因果分析、模型可解释性方法。

极强的数据敏感度，能够从海量数据中挖掘潜在规律、异常模式、变量关联。

逻辑清晰，擅长问题拆解、方案设计、对比实验、复盘迭代。

具备良好的沟通能力，可独立完成算法方案设计、实验、落地全流程