数据挖掘工程师工作的基本职责描述.docx

《数据挖掘工程师工作的基本职责描述.docx》由会员分享，可在线阅读，更多相关《数据挖掘工程师工作的基本职责描述.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、本文格式为Word版，下载可任意编辑数据挖掘工程师工作的基本职责描述 数据挖掘工程师需要将客户需求精确转化为可执行的数学模型，针对不同的应用场景，负责编写数据挖掘算法及对其的优化。下面是第一我整理的数据挖掘工程师工作的基本职责描述。 数据挖掘工程师工作的基本职责描述1 职责： 1、负责探迹平台智能策略规律设计与实现，包括智能评分、智能决策、业绩猜测等业务的策略; 2、利用平台已有技术力量，包括内容识别算法、行为识别模型等，构建与业务需求相匹配的策略体系; 3、对平台用户行为数据进行分析和挖掘，建立数据模型，从数据中挖掘出用户的行为和消费习惯，通过数据挖掘对产品形成策略支持; 4、理解业务部门的

2、需求，从数据库提取相关数据进行处理分析，指导产品和业务部门的日常运营; 5、建立和优化统计学和机器学习模型; 6、与数据算法/工程师合作和沟通去实现应用在产品上的算法模型; 任职资格： 1、统计学、计算机、通信相关专业本科以上学历; 2、编程基本功扎实、精通JAVA、python、lua等语言; 3、擅长沟通及主动思索总结、提倡创新与持续优化、思路周密、脚本代码严谨、对待策略规律有剧烈爱好; 4、具备产品意识和数据分析力量，熟识回归，分类等常见机器学习算法; 5、具有数据处理，特征选择、算法调优、效果评估等相关工作阅历; 6、规律清楚，对数字敏感;学习力量强，喜爱编程; 7、有良好的团队合作及

3、抗压力量、有剧烈的仆人翁意识推动事务进展; 数据挖掘工程师工作的基本职责描述2 职责 1.负责汽车产品数据底表的日常更新与维护 2.对数据进行预处理、清洗、计算及校验 3.采纳系统化方法规范数据字段，优化数据结构， 4.通过数据关联、数据建模及数据可视化等多种方式为探究性讨论供应工具支撑 5.帮助高级讨论人员完成客户需求处理工作 任职要求： 1本科及以上学历，数学、统计学、经济学、计算机科学等专业 2.对汽车市场、品牌及主流乘用车产品有肯定认知 3.较强的excel数据处理力量，熟识透视表及常用函数，有肯定编程力量 4.有较强的抗压力量、规律力量以及团队沟通力量 5.心态沉稳踏实，细致仔细，有

4、较强的求知欲与接受力量 数据挖掘工程师工作的基本职责描述3 职责： 1、为运营商供应深化的业务分析服务，依据业务需求进行数据统计、分析，撰写分析报告。 2、负责电信行业数据分析和数据挖掘工作，包括数据模型的需求分析、模型开发和结果分析。 3、负责电信行业询问和系统实施类项目的数据需求调研、数据分析、商业分析和数据挖掘模型等相关项目的实施过程。 4、负责相关项目的售前支持，发觉客户在数据分析/挖掘相关项目上的需求和潜在项目机会。 任职资格： 1、熟识Mysql/DB2等常用数据库，娴熟使用SQL。 2、把握数据分析基本理论方法，熟识数据挖掘常用算法，能够娴熟使用Python/R语言者优先。 3、

5、有电信运营商、互联网行业数据分析/挖掘建模阅历者优先。 4、对用户行为讨论有深化了解，询问行业背景优先。 5、 具备良好的客户需求理解力量、良好的沟通和表达力量。 6、 工作态度乐观主动，具备肯定的抗压力量。 数据挖掘工程师工作的基本职责描述4 职责： 1、负责对数据进行清理、甄别、归类和整合等，提升数据质量; 2、设计多维度分析模型，并能依据实际状况给出数据分析结果; 3、针对海量用户行为和内容信息，构建和优化用户画像。 任职要求： 1、本科计算机或统计学相关专业，3年以上相关工作阅历; 2、熟识关系型据库，SQL技能娴熟; 3、熟识Hadoop, Hive, Spark分布式平台; 4、S

6、calapythonJAVA至少娴熟把握一种编程语言; 5、熟识数据可视化技术; 6、熟识大规模数据挖掘、机器学习等相关技术; 7、对用户画像分层，推举系统有阅历者优先考虑。 数据挖掘工程师工作的基本职责描述5 职责: 1、参加数据挖掘项目的算法研发过程(包括需求分析、技术可行性评估、分析解决问题、实现新需求等); 2、独立分析、评估并解决问题，并用代码实现，在较短时间内寻求到最优的解决方案，并应用到产品中; 3、负责分布式算法的设计及编码，提高算法的精度和效率; 4、负责数据挖据方向上的技术预研工作。 任职资格: 1、 本科及以上学历，数学、统计、计算机科学与技术、软件工程、掌握理论与掌握工

7、程、信号分析及信息处理等专业; 2、 3年以上数据挖掘、机器学习、深度学习领域工作和讨论阅历; 3、 精通至少一种主流编程语言，包括但不限于C、C+、Python、Java等; 4、 熟识机器学习、深度学习算法，把握Mxnet、Tensorflow、Keras、Torch、CaffeOnSpark等一种或多种深度学习框架; 5、 熟识Hadoop、Spark等大数据平台及mllib和结构化数据库编程; 6、 有数据挖掘、图像处理、音频信号分析、自然语言处理、物流优化、时间序列猜测算法等与实际业务场景结合的胜利阅历; 7、 擅长分析和解决问题，富有想象力和学习力量，对数据敏感，擅长发觉数据中的价值，具有良好的团队合作精神。第 4 页 共 4 页