數據挖掘工程師工作的基本職責描述

1、Word文檔數據挖掘工程師工作的基本職責描述 數據挖掘工程師需要將客戶需求精確轉化為可執(zhí)行的數學模型，針對不同的應用場景，負責編寫數據挖掘算法及對其的優(yōu)化。數據挖掘工程師工作的基本職責描述1職責：1、負責探跡平臺智能策略規(guī)律設計與實現，包括智能評分、智能決策、業(yè)績猜測等業(yè)務的策略;2、利用平臺已有技術力量，包括內容識別算法、行為識別模型等，構建與業(yè)務需求相匹配的策略體系;3、對平臺用戶行為數據進行分析和挖掘，建立數據模型，從數據中挖掘出用戶的行為和消費習慣，通過數據挖掘對產品形成策略支持;4、理解業(yè)務部門的需求，從數據庫提取相關數據進行處理分析，指導產品和業(yè)務部門的日常運營;5、建立和優(yōu)化統(tǒng)計

2、學和機器學習模型;6、與數據算法/工程師合作和溝通去實現應用在產品上的算法模型;任職資格：1、統(tǒng)計學、計算機、通信相關專業(yè)本科以上學歷;2、編程基本功扎實、精通JAVA、python、lua等語言;3、擅長溝通及主動思索總結、提倡創(chuàng)新與持續(xù)優(yōu)化、思路周密、腳本代碼嚴謹、對待策略規(guī)律有劇烈愛好;4、具備產品意識和數據分析力量，熟識回歸，分類等常見機器學習算法;5、具有數據處理，特征選擇、算法調優(yōu)、效果評估等相關工作閱歷;6、規(guī)律清楚，對數字敏感;學習力量強，喜愛編程;7、有良好的團隊合作及抗壓力量、有劇烈的仆人翁意識推動事務進展;數據挖掘工程師工作的基本職責描述2職責1.負責汽車產品數據底表的日

3、常更新與維護2.對數據進行預處理、清洗、計算及校驗3.采納系統(tǒng)化方法規(guī)范數據字段，優(yōu)化數據結構，4.通過數據關聯、數據建模及數據可視化等多種方式為探究性討論供應工具支撐5.幫助高級討論人員完成客戶需求處理工作任職要求：1本科及以上學歷，數學、統(tǒng)計學、經濟學、計算機科學等專業(yè)2.對汽車市場、品牌及主流乘用車產品有肯定認知3.較強的excel數據處理力量，熟識透視表及常用函數，有肯定編程力量4.有較強的抗壓力量、規(guī)律力量以及團隊溝通力量5.心態(tài)沉穩(wěn)踏實，細致仔細，有較強的求知欲與接受力量數據挖掘工程師工作的基本職責描述3職責：1、為運營商供應深化的業(yè)務分析服務，依據業(yè)務需求進行數據統(tǒng)計、分析，撰寫

4、分析報告。2、負責電信行業(yè)數據分析和數據挖掘工作，包括數據模型的需求分析、模型開發(fā)和結果分析。3、負責電信行業(yè)詢問和系統(tǒng)實施類項目的數據需求調研、數據分析、商業(yè)分析和數據挖掘模型等相關項目的實施過程。4、負責相關項目的售前支持，發(fā)覺客戶在數據分析/挖掘相關項目上的需求和潛在項目機會。任職資格：1、熟識Mysql/DB2等常用數據庫，嫻熟使用SQL。2、把握數據分析基本理論方法，熟識數據挖掘常用算法，能夠嫻熟使用Python/R語言者優(yōu)先。3、有電信運營商、互聯網行業(yè)數據分析/挖掘建模閱歷者優(yōu)先。4、對用戶行為討論有深化了解，詢問行業(yè)背景優(yōu)先。5、 具備良好的客戶需求理解力量、良好的溝通和表達力

5、量。6、 工作態(tài)度樂觀主動，具備肯定的抗壓力量。數據挖掘工程師工作的基本職責描述4職責：1、負責對數據進行清理、甄別、歸類和整合等，提升數據質量;2、設計多維度分析模型，并能依據實際狀況給出數據分析結果;3、針對海量用戶行為和內容信息，構建和優(yōu)化用戶畫像。任職要求：1、本科計算機或統(tǒng)計學相關專業(yè)，3年以上相關工作閱歷;2、熟識關系型據庫，SQL技能嫻熟;3、熟識Hadoop, Hive, Spark分布式平臺;4、ScalapythonJAVA至少嫻熟把握一種編程語言;5、熟識數據可視化技術;6、熟識大規(guī)模數據挖掘、機器學習等相關技術;7、對用戶畫像分層，推舉系統(tǒng)有閱歷者優(yōu)先考慮。數據挖掘工程

6、師工作的基本職責描述5職責:1、參加數據挖掘項目的算法研發(fā)過程(包括需求分析、技術可行性評估、分析解決問題、實現新需求等);2、單獨分析、評估并解決問題，并用代碼實現，在較短時間內尋求到最優(yōu)的解決方案，并應用到產品中;3、負責分布式算法的設計及編碼，提高算法的精度和效率;4、負責數據挖據方向上的技術預研工作。任職資格:1、 本科及以上學歷，數學、統(tǒng)計、計算機科學與技術、軟件工程、掌握理論與掌握工程、信號分析及信息處理等專業(yè);2、 3年以上數據挖掘、機器學習、深度學習領域工作和討論閱歷;3、 精通至少一種主流編程語言，包括但不限于C、C+、Python、Java等;4、 熟識機器學習、深度學習算法，把握Mxnet、Tensorflow、Keras、Torch、CaffeOnSpark等一種或多種深度學習框架;5、 熟識Hadoop、Spark等大數據平臺及mllib和結構化數據庫編程;6、 有數據挖掘、圖像