大模型数据开发工程师 (MJ000629)

1. 数据采集与清洗：制定并执行数据采集策略，从各类数据源（如数据库、API、文件等）高效获取数据。对数据进行清洗和预处理，保障数据准确性与完整性，妥善处理缺失值、异常值等问题。 2. 数据建模与管理：搭建并维护数据仓库体系，设计科学的数据模型，支撑大模型与机器学习项目稳定高效运行。统筹数据生命周期管理，确保数据安全合规，严格遵循相关数据保护规范。 3. 特征工程：开展特征提取与筛选工作，优化模型输入质量，提升预测效果。协同算法工程师推进特征工程流程的设计与落地，助力模型训练与调优。 4. 数据可视化与报告：运用数据可视化工具（如Tableau、Power BI、Pandas等）生成数据分析报表与交互式仪表盘，辅助团队及管理层洞察数据价值。撰写详实的数据分析文档，记录处理逻辑与成果，提出可行性优化建议。 5. 性能监控与优化：持续监控数据处理与模型训练的运行状态，快速识别并解决性能瓶颈，保障系统稳定性。不断优化数据处理流程，提升处理效率与产出质量，降低资源开销。 6. 技术调研与创新：关注前沿数据处理技术与工具发展动态，评估其在业务中的应用前景，为公司技术升级与创新提供决策支持。 ● 教育背景：计算机科学、数据科学、统计学等相关专业本科及以上学历。 ● 工作经验：具备3年以上数据处理相关经验，有金融行业从业经历者优先考虑。 ● 技术能力：精通Python、SQL等编程语言，拥有扎实的数据处理与分析实践基础。 ○ 熟悉主流数据处理工具与框架，如Pandas、NumPy、Spark等。 ○ 掌握数据仓库架构与ETL（Extract, Transform, Load）流程，具备实际项目操作经验。 ○ 能熟练使用数据可视化工具，如Tableau、Power BI、Pandas等。 ○ 了解大语言模型与机器学习基本原理，具有相关项目实践经验者优先。 ● 专业知识：深入掌握数据处理与管理理论，熟悉数据清洗、特征工程、数据建模等核心技术。了解金融领域业务逻辑与数据特性，能针对金融场景开展专业化数据处理与分析。 ● 解决问题能力：具备出色的分析与解决问题的能力，善于独立思考，能够从复杂情境中捕捉核心问题并推动解决。