数据挖掘岗

主要职责

1. 01

   业务问题转化与分析 与业务部门（如业务条线、精算定价、理赔、反欺诈等）沟通，理解复杂保险业务场景，将业务需求转化为可量化的数据科学/数据挖掘问题并提出技术解决方案。

2. 02

   数据采集、清洗与特征工程 负责大规模结构化与非结构化数据的获取、清洗、处理、集成与特征构建，为建模与分析提供高质量数据基础。

3. 03

   模型研发与验证 基于统计学、机器学习与深度学习方法，构建预测模型、分类模型、聚类模型及其他数据挖掘算法，用于风险预测、欺诈检测、客户细分、产品推荐等核心任务。

4. 04

   模型部署与工程化落地 推进模型在生产环境中的部署、监控与维护，与数据工程及IT团队协作，确保模型运行稳定可靠并有效支持业务决策。

5. 05

   结果呈现与业务支持 将数据分析和模型结果通过图表、报告或简报形式呈现给业务团队和管理层，提供可执行的业务洞察与策略建议。

6. 06

   科研与技术创新 跟踪AI、机器学习、图算法等前沿技术，将新方法引入保险数据场景，优化现有技术架构，并撰写科研报告或发表学术成果

1. 01

   博士学位，专业包括但不限于计算机科学、统计学、应用数学、人工智能、机器学习、数据科学等；具有发表国际会议/期刊论文或承担过深入科研项目者优先。

2. 02

   编程与数据处理能力 精通 Python 编程，熟练掌握数据处理和分析库（如 Pandas、NumPy、SciPy 等）；熟练使用 SQL 进行复杂查询及数据提取；具备大数据平台经验（如 Spark、Hive、Hadoop）者优先。

3. 03

   深度学习与机器学习技能 扎实统计学与机器学习理论基础，能构建与优化监督与无监督模型；熟练使用深度学习库如 PyTorch（及相关生态如 PyTorch Lightning、Transformers 等）进行神经网络设计、训练、调参与推理；有使用 TensorFlow、Keras 或其他深度学习框架经验者亦佳。

4. 04

   科研与应用能力 具备独立设计实验、构建模型、执行评估与改进方案能力；能撰写高质量技术/科研报告，并将模型成果有效转化应用于业务场景。

5. 05

   沟通与跨团队协作能力 能够清晰表达复杂技术内容并与业务团队、工程团队有效协作推动项目落地