阿里巴巴业务技术-物流技术-数据科学专家
任职要求
1、教育背景：硕士及以上学历（计算机科学、统计学、数学、数据科学相关专业优先）。 2、技术能力：精通Python/R，熟练SQL；掌握经典算法（如回归、聚类、树模型）及深度学习框架（TensorFlow/PyTorch）；熟悉Hadoop、Spark、数据可视化等平台与工具；（了解模型部署与性能调优优先） 3、经验要求：3年以上数据科学或相关领域经验，有完整的项目落地案例；熟悉A/B测试设计与结果分析。 4、业务理解：熟悉电商行业的业务逻辑与关键指标（熟悉物流行业优先），能将技术方案转化为业务语言，推动落地； 5、其他技能：良好的沟通能力，能跨团队协作；对数据科学领域保持好奇心，持续学习新技术。
工作职责
岗位概述 1、定位：通过数据挖掘、建模与分析，解决业务问题，推动数据驱动决策与产品创新。 2、核心价值：将业务需求转化为数据解决方案，提升效率与业务指标。 核心职责 1、业务分析：理解业务目标，拆解数据需求（如用户增长、风险控制、运营优化）；设计分析框架：输出可落地的洞察报告。 2、建模与算法开发：开发预测模型（如分类、回归、时序预测）、推荐系统、异常检测等；选择算法并调优（如XGBoost、LSTM、深度学习）。 3、数据产品开发：将模型部署为API或嵌入业务系统（如实时推荐、风控引擎）；设计自动化数据流程（ETL、特征工程）。 4、跨团队协作：与业务团队沟通需求，推动模型落地与效果验证；与数据工程团队协作优化数据管道与计算资源。 5、技术研究：探索前沿技术（如大模型）在业务中的应用场景；开展POC（概念验证）项目。
负责即时物流技术供应链X产能规划的算法工程化及业务解决方案工程建设，负责稳定运力管理数字化建设，数据驱动业务经运营能力持续提升。 1）负责即时物流战前规划超算的算法工程建设，联动供应链需求预测、规划运筹、归因分析等算法能力持续提升规划准确性、科学性； 2）负责供应链S&OP数字化协同解决方案研发，提升业务总部与区域化协同经营能力、效率； 3）负责稳定运力管理的线上化建设，提升整体架构合理性，保障经营管理效率的提升；
负责即时物流技术供应链X产能规划的算法工程化及业务解决方案工程建设，负责稳定运力管理数字化建设，数据驱动业务经运营能力持续提升。 1）负责即时物流战前规划超算的算法工程建设，联动供应链需求预测、规划运筹、归因分析等算法能力持续提升规划准确性、科学性； 2）负责供应链S&OP数字化协同解决方案研发，提升业务总部与区域化协同经营能力、效率； 3）负责稳定运力管理的线上化建设，提升整体架构合理性，保障经营管理效率的提升；
THE ROLE 作为一名精益物流规划工程师，你需要负责所有零部件从供应商到工厂生产线的物料流设计，基于价值流原则，保障每颗零件以更小搬运次数和更短转运距离送达线边，同时需要考虑流程的稳定、可靠和高效。在特斯拉鼓励创新和不断变革的驱动和实践中，与团队一起开发全世界精益、高效、智能的物流规划设计理念和方法，助力你成为物流规划技术专家。扁平化结构，多样化职业发展通道助你快速成长。 RESPONSIBILITIES职责描述： 定义零部件入厂物流模式，规划厂内接收道口、仓储布局、上线路径，开发简单耐用且能为特斯拉提供最大价值的物料搬运解决方案，目标包括： 可靠性 减少物料搬运浪费（减少落地） 最少的转运距离 提高劳动效率 优化空间利用率 高度精确的零件选择 通过算法、仿真等新技术规划最优方案，提高物流规划决策效率； 处理PFEP（Plan For Every Part）日常变更业务，通过数字化等方法快速高效地进行PFEP维护、MFS配置、CAD layout调整等相关变更工作； 利用VSM（Value Stream Map）工具识别物流各环节的浪费和改善机会，通过模式创新、布局调整、路线优化等方法不断降本增效； 测算物流人员效率，与现场物流进行工时校准，并不断改进工时测算方法和工具，提高测算精度和效率； 研究引入各类物流自动化替代人工，如AMR、AGV、机运线、立体库、机械臂、自动拆包设备等，提高物流整体运作效率； 遵守公司规章制度，严格按照作业指导书工作，积极查找安全隐患，及时汇报安全隐患和事故，提出安全合理化建议，通过不断改进，创造安全健康的工作环境。 REQUIREMENTS
1. 构建和维护外卖即时物流领域的知识库，整合行业数据、业务规则和专家经验，利用大模型技术对知识库进行自动化更新和优化，提升知识库的覆盖率和准确性。 2. 负责海量数据的清洗，构建高质量的训练数据集。 3. 负责即时物流大模型的架构设计、训练、微调，在效果、推理速度、计算和存储成本推理等方面迭代到先进水平。 4. 将大模型技术应用于外卖即时物流的核心业务场景，如供需预测、骑手行为建模、路径优化、指标归因等，提升下游任务收益。 5. 跟踪大模型领域的最新研究成果，结合业务需求进行技术创新，探索大模型在物流配送中的无限可能。