小红书数据挖掘专家/算法专家
任职要求
1、 3-5年工作经验，具备机器学习或者数据挖掘的研究和内容领域的项目经验；熟练掌握分类、聚类、回归等机器学习模型； 2、 对数据驱动业务有兴趣，善于将业务问题拆解为算法问题，有助力业务价值、用户画像的相关经验者优先； 3、 扎实的编程功底，精通Python、Java至少一门语言；有大数据处理经验、分布式算法开发经验者优先； 4、 研究生及以上学历，五年以内数据挖掘、机器学习、大规模数据分析的经验； 5、熟悉Hadoop、Hive、Spark，对数据仓库、特征工程有正确的认识。
工作职责
1、 整合海量多维数据，进行全站数据挖掘，构建用户画像体系、时空知识体系，并参与建设全站核心数据资产管理平台； 2、 深入业务场景，利用全域数据资产和海量多维数据，运用机器学习和统计分析的方法，探索平台新的业务增长点，为各业务系统提供模型和特征支撑；
1、 整合海量多维数据进行数据挖掘，面向全、新、净、准、丰的目标构建小红书国内和海外的POI数据资产体系，进行结构化POI库的建设； 2、 利用全域数据资产和海量多维数据，运用机器学习和统计分析的方法，面向小红书开放平台业务挖掘POI父子关系、POI标签体系、用户时空知识体系，为POI各类场景提供模型和服务支撑；
1、基于海量用户行为数据，建立、评估、持续优化算法模型，例如：用户基础信息预测、价值分级、用户偏好预测、其他画像标签等； 2、协助相关业务发现价值点，深挖并产出正向收益； 3、推动用户画像数据的建设实现协同价值最大化。
1.负责大数据在游戏AI等相关领域的算法与产品化等工作，包括但不限于如下方向：用户增长、因果推断、匹配系统、归因分析、千人千面体验流、商业活动/道具个性化推荐等； 2.负责前沿技术跟进，能够识别技术的有效性并快速应用； 3.负责具体项目落地，运用大数据+AI为项目带来可观的收益。
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。