岗位职责 本岗位核心职责是利用机器学习和图神经网络技术,解决线下零售场景中的复杂定价和收益优化问题,直接驱动业务增长. 1. 算法研发与落地:负责核心定价、需求预测和周转率优化等算法的全流程设计、开发、测试和部署,重点关注基于门店和商品的动态定价模型,熟练使用scikit-learn、pandas、numpy 等框架. 2. 数据与特征工程:独立完成数据采集、清洗、转换(etl),并结合零售业务知识,进行高效的特征工程,构建高质量的数据集以支持模型训练. 3. 工程化与性能优化:使用 python 和 pytorch 等框架,将算法高效地工程化,进行模型性能和资源消耗的调优,确保模型在生产环境中的稳定性和时效性. 4. 跨职能协作与沟通: ○ 与业务团队紧密合作,将定价目标、约束条件转化为数学模型,并清晰解释模型输出和业务价值. ○ 与系统研发团队协作,定义数据接口、模型服务 api,并推动模型上线和监控系统的建设. 5. 团队建设与知识分享:保持开放的心态,积极分享技术经验,对团队新人进行指导和培养.

任职要求 核心技术能力 1. 编程与工程化:具备3年以上python项目开发经验,具备扎实的工程化能力和代码优化、性能调优经验. 2. 机器学习基础:深入理解并熟练应用各类线性模型(如回归、logistics回归)和树模型(如gbdt、xgboost、lightgbm),并掌握其原理、优缺点和调优技巧. 3. 深度学习: ○ 使用过一种主流深度学习框架(pytorch优先,tensorflow亦可). ○ 对神经网络的知识有一定了解. ○ 对 transformer/attention 机制有一定了解或实践经验. 熟悉数据仓库、数据库(sql/nosql),能够独立完成数据 etl、特征提取和构建. 专业领域与软技能 1. 零售业务经验:具有零售、电商、供应链或定价等相关业务经验,对价格弹性、需求预测、收益管理等概念有深刻理解. 具备优秀的跨部门沟通能力和团队协作精神,能够将复杂的算法概念有效地传达给非技术人员. 具备开放的心态和强烈的求知欲,愿意持续学习新技术,并乐于指导和培养初级工程师. 优先条件 (加分项) ● 有将 深度学习 模型成功应用于生产环境的经验. ● 熟悉 mlops 流程,有模型部署、监控和迭代经验.