1、 根据目标分析主题，负责数据收集、清洗及模型的预处理，开发数据采集工具（如网络爬虫等）； 2、 独立设计、开发、测试和维护数据挖掘\机器学习等算法模型，将算法模型应用在各类证券业务场景和IT产品中，利用数据和算法模型真正解决业务的痛点问题； 3、 能够根据目标主题，独立设计数据挖掘和分析框架，独立搜集数据，并制作数据挖掘分析报表； 4、 负责数据产品（如智能运营系统、推荐系统等）的设计和开发，并负责数据产品的工程化落地； 5、 从部门业务角度出发，进行数据探索，利用数据来发现业务和产品的问题与瓶颈，提出可以落地的改进措施和解决方案； 6、 阅读行业最新的Paper，研究人工智能、数据挖掘、机器学习领域的最新技术和算法，结合证券行业的业务，设计各类数据（模型）应用场景和数据产品，并负责实施落地，将模型算法和数据赋能证券业务。
任职资格:
1、 计算机、软件工程、模式识别、人工智能、信号处理、统计学等专业硕士或博士，在数据挖掘、机器学习、深度学习或量化投资等某一领域有算法、模型的实际研发工作经验； 2、 有扎实的数据结构和算法功底，精通机器学习、深度学习、数据挖掘、文本处理等理论和技术基础（需熟悉算法底层原理，能够对算法进改进，不能仅仅会调包），能够针对不同的证券业务需求和场景使用合适的算法模型实现业务诉求，有丰富的算法应用和工程化落地的实际工作经验； 3、 具有良好的统计分析基础，熟练掌握数据分析和挖掘的流程与方法，能够独立进行数据建模和分析，产出高质量的数据分析报告； 4、 有良好的程序开发基础，精通python、Java、C++等语言，熟悉Hadoop、Spark、Storm、Flink等分布式计算平台； 5、 熟悉机器学习开源框架（TensorFlow、Caffe、MXNet，等），研究过开源框架的源码者优先； 6、 熟悉Linux、UNIX系统，掌握ORACLE、MYSQL、DB2等主流数据库中的一种，熟悉SQL以及SHELL脚本开发； 7、 细心、耐心、有很强的责任感，对产出的质量有高要求，执行力强，富有团队精神。
加分项：
1、 在数据科学竞赛平台（如Kaggle、天池等）做为核心成员取得Top 10%成绩者优先； 2、 在国际会议或期刊发表相关论文者优先。
