1. 利用机器学习技术,基于终端设备的行为数据, 构建终端设备画像、挖掘设备指纹，进行终端设备类型识别、终端安全行为识别模型迭代和调优; 2. 负责从数据预处理、特征工程、模型训练到服务化部署的端到端流程，优化模型推理效率； 3. 探索前沿机器学习方法, 如联合学习、小样本学习、主动学习等,在客户隐私保护的前提下,提升建模效果、缩短建模周期, 提出创新型解决方案,支撑业务快速上线达到预期目的。

1. 专业CS、EE、信息科学、统计学、数学或相关学科研究生以上学历,能应用和基础机器学习的统计分析和建模； 2. 有较强的数据分析和算法实现能力,能够借助SQL、Spark、Python等实现大规模数据处理和分析,能够支撑工程落地，在kaggle、天池等参加比赛并取得较好成绩者优先; 3. 熟练掌握传统机器学习算法、XGBoost、GBDT模型等原理,能够基于常用机器学习框架Sklearn、Tensorflow、LGBM、XGBoost等进行建模调优; 4. 从事过人工智能,有经验将ML/数据驱动的统计分析和建模方案落地应用,在一个或多个领域展示成功的先进技术解决方案(原型、POC、被广泛引用的研究出版物和/或产品)的能力； 5. 深入了解机器学习、数据科学、文本分析、非结构化数据分析、监督/非监督学习的理论和应用,有主动学习项目落地经验，同时具备LLM、RAG、Prompt经验者优先； 6. 良好的工程实现能力，熟练掌握基于云原生环境的Python编程，对工程性能有一定的基础； 7. 良好的团队意识，能够与各团队成员有效协作，具备较强的问题解决能力和创新意识；