数据科学家（26届校招）

我们相信：最好的数据科学家，是能把数学直觉、编程能力和 AI 工具高效融合的人。如果你享受"动手解决问题"的过程，欢迎加入我们。 【岗位职责】 1. 数据建模与分析 — 运用统计学、机器学习等方法，对业务数据进行深度挖掘与建模，产出可落地的洞察与解决方案 2. 算法开发与优化 — 设计、实现并持续迭代预测模型、异常检测等核心算法 3. 端到端交付 — 从数据清洗、特征工程、模型训练到部署上线，独立或协作完成完整的数据科学项目生命周期 4. 工具与效率 — 熟练运用 AI Coding 工具（如 Cursor、GitHub Copilot、Claude Code 等）大幅提升开发效率，快速验证假设与原型 5. 跨团队协作 — 与产品、工程、业务团队紧密合作，将数据能力转化为业务价值 【任职要求】 1.专业背景（必须） - 数学、统计学、物理学、计算数学、应用数学 或其他 理学/工学 相关专业，本科及以上学历 - 扎实的数学功底：概率论与数理统计、线性代数、最优化理论等 2.技术能力（必须） - 熟练掌握 Python，具备良好的工程编码习惯 - 熟悉主流机器学习/深度学习框架（scikit-learn、PyTorch、TensorFlow 等至少一种） - 熟练使用 SQL 进行数据查询与处理 - 有实际数据清洗、特征工程、模型调优的 动手经验，而非仅停留在理论层面 3.AI 工具素养（必须） - 熟练使用 AI Coding 辅助工具（Cursor / GitHub Copilot / Claude Code / Windsurf 等），能借助 AI 显著提升编码效率 - 对 LLM 的能力边界有认知，能合理利用 AI 工具完成数据处理、代码生成、文档撰写等工作 - 具备 Prompt Engineering 基本素养，能有效地与 AI 工具协作 4.动手能力（重点考察） - 有独立完成数据科学项目的经历（从问题定义到模型上线） - 能快速学习新工具、新框架，不畏惧"从零搭建" - 习惯用代码和实验（而非 PPT）来验证想法 - 有 Git 版本管理经验，了解基本的工程协作流程 【加分项】 - 竞赛经历（Kaggle、数学建模竞赛等） - 有数据产品化或 MLOps 实践经验 - 熟悉云服务（AWS / GCP / Azure）上的数据基础设施 - 有 NLP / CV / 时序分析等特定领域的深入经验 - 开源社区贡献或技术博客 【投递方式】：简历+Tran script（加分项） 你与 AI 协作完成某次数据分析、SQL 取数、或建模/评估任务的对话记录（如：一次完整的数据分析小项目、一次从问题到结论的取数分析、或一次小建模任务）。 【提交格式】.md文档/链接 因 BOSS 暂不支持 .md 附件，可：① 将 tran script的md源码格式放在Word/PDF中发送；② 或将 .md 放在 GitHub或者gitee的项目的“README”中，将指定链接发送。