携程数据挖掘工程师(MJ028204)
任职要求
教育背景:计算机科学、统计学、数学、数据科学或相关专业硕士及以上学历工作经验:3年以上数据挖掘、机器学习相关工作经验，具备扎实的算法和数据结构基础。技术技能:精通 Python语言，熟悉常用的机器学习算法…
工作职责
负责数据挖掘、机器学习模型的开发、训练、评估和优化，解决风控、定价、业绩预测等业务场景中的实际问题。参与数据清洗、特征工程、模型选择等机器学习流程，构建高效、可解释的模型。与业务团队、商业分析团队紧密合作，理解业务需求，将业务问题转化为数据科学问题，并提供数据驱动的解决方案。跟踪数据科学和机器学习领域的最新进展，并将新技术应用到实际项目中。
1. 负责零售业务的数据挖掘、分析与洞察，优化用户画像标签体系，支持精准营销和个性化推荐。 2. 参与特征工程开发，从海量数据中提取高价值特征，优化模型效果，提升业务核心指标（如转化率、留存率）。 3. 参与跨团队项目，与产品、运营团队协作，充分理解业务诉求，识别业务机会并推动项目决策。
1、负责日常的广告数据处理和分析工作，包括但不限于用户标签数据计算、数据清理、数据分析和常规建模； 2、基于海量玩家行为，利用统计分析、机器学习、数据挖掘等方法，负责设计和优化用户数据挖掘模型； 3、负责数据挖掘应用功能的设计和开发，包括结构化数据处理、预测模型建立、用户行为研究和用户属性生成、效果评估、以及功能的后续迭代优化等工作
工作职责： 促销敏感增益算法： 开发并优化促销策略中敏感增益算法，通过数据挖掘和分析提高促销活动的效果和客户回报率。 APP高潜人群识别： 利用数据挖掘技术，识别并细分APP用户中的高潜力人群，帮助运营团队实现精准营销和个性化服务。 APP用户特征预测： 构建预测模型，分析和预测APP用户行为特征，包括但不限于购买倾向、使用习惯等，为产品优化和市场营销提供预测性建议。 渠道转化贡献度归因和增量归因算法： 设计和应用归因算法，评估不同渠道对业务转化的贡献度，并实施增量归因算法来识别渠道效果的真实提升。 APP基础数据标签清洗： 负责对APP基础数据进行标签清洗和整理，确保数据的准确性和可靠性，以支持后续的数据挖掘和分析工作。
1、基于业务方的需求，设计各种数据挖掘模型，为业务方提供解决方案； 2、对游戏用户行为数据进行分析，监控以及挖掘，为业务放方供数据支持； 3、负责公司产品的数据分析、用户研究、市场研究工作，提供产品整个生命周期的策略支持与验证依据； 4、负责机器学习，深度学习等研究，并应用数据挖掘，机器学习等，为项目提供技术支持； 5、根据业务需要，完成上级安排的其他市场调研/数据分析/方案设计等工作。