百度大模型驻场服务工程师（J86487）

业务主要方向 • 交付履约平台研发，主要面向：阿里云的对客混合云履约，国际项目履约，专有云项目履约。 • 专有云技术服务平台研发，主要：为阿里云专有云驻场运维服务提供业务平台，保障客户驻场安全。提供专有云工单服务平台，帮助专有云的专家对客进行工单服务。 • 平台智能化方向，主要：结合大模型，对平台进行智能化改造，提高平台的效率，并帮助平台客户提供更智能化的服务。同时将成功经验对外商业化输出。 技术方案设计&技术实现 • 能够针对业务和产品的需求，在技术阶段：进行技术架构设计。在编码阶段：进行代码开发。部署阶段：推动代码CR，成功部署，并保证系统稳定性。 项目管理 • 自己能够把控节奏，确定项目的开发节奏和上线节奏。明确合作的岗位职责并进行任务分配。 • 总结项目经验和教训，反馈项目成果和绩效，为之后的项目管理沉淀经验总结

1.核心风控模型研发与迭代: 主导或独立负责信贷风控全流程（包括但不限于反欺诈、申请评分、行为评分、催收评分等）的核心算法模型的设计、开发、验证与部署。 持续监控、评估线上模型的表现，并根据业务变化和模型效果进行快速迭代和优化，确保模型的稳定性和有效性。 2.数据挖掘与特征工程: 深度挖掘和分析内外部多维度数据（如信贷数据、用户行为数据、第三方征信数据等），构建并完善用户风险画像及特征体系。 运用创新的特征工程方法，从海量、复杂的数据中提炼出对风险有强区分度的变量，为模型性能的提升提供坚实基础。 3.前沿算法探索与应用: 跟进并研究业界在数据挖掘、机器学习、深度学习、图计算等领域的最新算法和技术趋势。 积极探索和评估前沿算法（如无监督学习、大语言模型等）在信贷风控场景中的应用价值，并推动其在实际业务中落地。 4.风险策略支持与业务赋能: 与风险策略、产品及业务团队紧密合作，深入理解业务痛点，将模型结果转化为可落地的风控策略，提供数据驱动的决策支持。 通过数据分析和模型洞察，为业务部门提供关于客群准入、额度管理、动态定价、风险预警等方面的专业建议。 5.技术沉淀与知识分享: 负责撰写清晰、完整的技术文档和模型报告，沉淀项目经验和知识。 在团队内部进行技术分享和培训，引领团队成员共同成长，提升团队整体的算法能力和风控水平。

-作为百度私有云在客户侧的售后一号位，全流程深入了解大型企业业务场景，与客户的系统运维，应用架构等人员合作，提供私有云产品的售后运维，包括但不限于组织现场进行云平台变更，对接客户需求 -基于百度私有云&AI的产品线、技术体系，帮助企业级客户制定IT架构和业务流程，包括定制的最佳实践、异常处理机制和问题应急预案等。帮助客户深度理解云服务，并持续帮助客户提升技术能力 -保障百度云平台的稳定运行，负责客户云平台的故障应急响应，后端协调，应急止损，协调产研出具故障报告，负责客户侧汇报和复盘 -推动百度云智能产品不断优化，解决客户使用云计算服务和解决方案过程中的技术问题，不断完善问题处理机制和流程，与云服务专家、产品专家直接合作，确保企业技术问题高效地解决 -现场一线驻场人员的日常运维工作管理，以及绩效考核，现场运维流程制定等运维管理工作

1.参与大数据项目指标体系的建设和管理、数据仓库的设计和实施、数据质量的保障； 2.搭建跟进数据产品，收集业务需求，转化解决方案，并持续优化方案模型； 3.负责实施过程中，问题定位、功能验证和升级处理。及时发现、拉通内部资源及解决实施过程中的问题； 4.负责整理反馈和客户沟通过程中的需求，对行业客户的交付方案和服务流程进行持续优化，并通过持续性的解决问题沉淀交付能力； 5.负责数据产品交付运维能力标准化、产品化建设，赋能生态合作伙伴。