在現在的社會生活中，崗位職責使用的頻率越來越高，制定崗位職責可以最大限度地實現勞動用工的科學配置。一般崗位職責是怎麼制定的呢？下面是小編收集整理的數據挖掘算法工程師崗位職責，僅供參考，希望能夠幫助到大家。
數據挖掘算法工程師崗位職責1
崗位職責：
負責團隊現有算法的優化，代碼實現以及移植
負責算法計算性能優化，並推動其上線應用
基於大規模用戶數據，以效果爲目標，建立並優化系統的基礎算法和策略
應用機器學習等尖端技術，針對海量信息建模，挖掘潛在價值跟蹤新技術發展，並將其應用於產品中；
跟蹤新技術發展，並將其應用於產品中
協助其它技術人員解決業務及技術問題
任職資格：
熟練使用Java、python、scala語言（至少一門），熟悉面向對象思想和設計模式
具備一年以上機器學習理論、算法的研究和實踐經驗
擅長大規模分佈式系統。海量數據處理。實時分析等方面的算法設計。優化
熟悉Hadoop、spark等大數據處理框架
具備分佈式相關項目研發經驗（如分佈式存儲/分佈式計算/高性能並行計算/分佈式cache等）
熟悉大規模數據挖掘、機器學習、分佈式計算等相關技術，並具備多年的'實際工作經驗
對數據結構和算法設計有深刻的理解
具有良好的分析問題和解決問題的能力，有一定數學功底，能針對實際問題進行數學建模
良好的邏輯思維能力，和數據敏感度，能能夠從海量數據中發現有價值的規律
優秀的分析和解決問題的能力，對挑戰性問題充滿激情
良好的團隊合作精神，較強的溝通能力
數據挖掘算法工程師崗位職責2
1、通過海量數據挖掘、機器學習等方法，構建用戶畫像、個性化推薦、銷量預測、風險控制等系統
2、參與數據挖掘項目的設計、實現、算法調研、優化
3、用戶分析、理解及建模，持續提升用戶產品體驗
4、調研並促進數據挖掘在公司多個業務領域的應用
任職資格：
1、熟悉Java、Scala或Python編程語言，有Java多線程、AkkaActor編程經歷者優先。
2、熟悉hadoop、Spark、Redis、ES以及數據可視化等方面者優先
3、擁有基於MapReduce的分佈式編程思想，熟悉常用的機器學習算法，如：決策樹、SVM、聚類、迴歸、貝葉斯、神經網絡。且有上述算法的分佈式實現與優化經驗者優先
4、熟悉大規模分佈式系統理論，研讀過mllib/mahout/H20/TensoFlow等源碼，在項目中將分佈式算法應用到業務當中者優先。
5、較強的英文文獻閱讀理解能力，相關文檔編制能力
數據挖掘算法工程師崗位職責3
工作職責：
1、運用數據挖掘和機器學習方法和技術，深入挖掘和分析海量商業數據
2、包括但不限於風控模型、用戶畫像、商家畫像建模、文本分析和商業預測等
3、運用數據挖掘/統計學習的理論和方法，深入挖掘和分析用戶行爲，建設用戶畫像
4、從系統應用的角度，利用數據挖掘/統計學習的理論和方法解決實際問題
任職要求
—計算機、數學，統計學或人工智能等相關專業碩士以上學歷，5—10年以上或相關工作經歷
—精通1—2種編程語言（Python或Java），熟練掌握常用數據結構和算法，具備比較強的實戰開發能力，能帶領團隊共同進步。
—具有統計或數據挖掘背景，並對機器學習算法和理論有較深入的研究
—熟悉數據挖掘相關算法（決策樹、SVM、聚類、邏輯迴歸、貝葉斯）
—具有良好的學習能力、時間和流程意識、溝通能力
—熟悉Spark或hadoop生態分佈式計算框架
—優秀的溝通能力，有創新精神，樂於接受挑戰，能承受工作壓力
—有互聯網，央企，政務，金融等領域大規模數據挖掘經驗者優先