科大讯飞
中级大数据工程师(J12677)
中级大数据工程师(J12677)
发布于 大约 14 小时前普通员工/个人贡献者
合肥市
中级经验
全职员工
仅现场办公
硕士
软件工程
机器学习
深度学习
特征工程
模型优化
DNN
Gbdt
AI 估算 · 18k–28k
中级算法工程师，合肥大厂，硕士+2年经验，市场薪资竞争力强，技术栈深度要求高，预计月薪18-28K。
职位详情
关于这个职位
作为科大讯飞的中级大数据工程师，你将负责算法模型的全链路开发，从数据探查到在线服务，深入业务场景推动创新，处理TB/PB级数据并持续优化模型性能
这是一个技术深耕与业务结合并重的岗位，适合有2年以上算法经验、追求技术落地的求职者
最低要求
学历与经验：
计算机科学、统计学、应用数学、机器学习或相关领域硕士及以上学历
年及以上在互联网或相关行业从事算法研发的实战经验
技术栈：
扎实基础：深厚的机器学习/深度学习理论基础，熟悉常见模型（如LR、GBDT、DNN、CNN/RNN/Transformer等）的原理与应用场景
编程能力：具备优秀的工程实现能力和代码质量
数据与工具：熟练使用至少一种主流深度学习框架和机器学习库
数据处理：有使用Spark/Flink等大数据工具处理海量数据的经验
业务能力：
出色的逻辑思维能力、数据分析能力和问题拆解能力
强烈的业务敏感度和结果导向，能够将业务目标转化为技术方案
软技能：
优秀的沟通协作能力，能够清晰地向非技术伙伴解释复杂算法逻辑
自我驱动，对技术和业务有好奇心，能在快节奏和不确定的环境中保持专注
工作职责
算法模型全链路开发：负责从问题定义、数据探查、特征工程、模型选型、训练调优到在线服务的完整算法 pipeline 构建与迭代
业务场景驱动创新：深入理解业务逻辑，抽象为算法问题，设计并实施有效的算法解决方案
大规模数据处理与挖掘：处理TB/PB级数据，运用数据挖掘和统计分析方法，发现潜在规律与模式，为模型和策略提供洞察
模型优化与性能提升：持续监控和分析线上模型效果，通过算法迭代、策略优化等手段，不断提升核心指标
工程化与落地：与工程、产品、数据团队紧密合作，推动算法模型的高性能、高可靠工程化部署，确保算法稳定高效地服务上层应用
AI 洞察
优缺点分析
优点
- 科大讯飞是AI领域头部上市公司，平台大、技术积累深厚，能接触真实海量场景
- 岗位涉及全链路算法开发，技术成长空间大，能积累端到端经验
- 合肥生活成本相对较低，薪资在本地具有竞争力
- 算法岗位竞争激烈，需要持续学习前沿技术（如大模型、多模态）
- 业务驱动导向，需要频繁与产品/业务方沟通，对抽象和表达要求高
- 适合有2年以上算法经验、渴望深度参与业务落地、对技术有热情且抗压能力强的求职者
缺点 / 挑战
- 数据规模大，对工程能力和模型性能优化提出较高要求
角色解读
- 纵向发展：成长为高级算法专家或技术负责人，主导核心算法方向
- 横向拓展：向AI架构师或机器学习平台工程师转型，覆盖更广的技术栈
- 管理路径：带领小团队，从IC转向技术管理，负责项目交付和团队培养
- 构建从数据到模型的完整算法 pipeline，包括特征工程、模型训练和在线部署
- 深入业务场景，将业务需求抽象为算法问题并设计解决方案
- 处理海量数据，挖掘数据规律以优化模型效果
- 与工程、产品团队协作，确保算法高性能稳定运行
- 扎实的机器学习/深度学习理论基础，熟悉LR、GBDT、DNN、Transformer等模型
- 精通至少一种深度学习框架（如TensorFlow/PyTorch）和机器学习库
- 熟练使用Spark/Flink等大数据处理工具，具备工程化落地能力
- 优秀的逻辑思维、数据分析和问题拆解能力，业务敏感度高
申请策略
- 提前了解科大讯飞的核心业务（智能语音、教育、医疗等），在面试中展示对业务的理解
- 准备一个完整的算法项目案例，包括问题定义、数据探索、模型选择和线上效果
- 突出在过往项目中从数据到模型部署的完整经历，强调处理大规模数据的经验
- 详细罗列熟悉的模型（如GBDT、DNN、Transformer）及其在实际场景中的效果提升
- 展示业务成果：通过算法优化带来了哪些核心指标（如AUC、线上转化率）的提升
- 补充大模型（如LLM、多模态）相关经验，讯飞在该领域布局较强
- 强化数据结构与算法基础，准备手撕代码面试环节
面试指南
- STAR法则：情境-任务-行动-结果，清晰展示项目背景和个人贡献
- 对比思路：比较不同方法的优劣，结合实际数据特点给出选择理由
- 问题分解：面对复杂问题先拆解为子问题，再逐一给出解决方案
- 请描述你做过的一个完整的算法项目，从数据到上线
- 如何处理数据不平衡问题？有哪些常用方法？
- 解释GBDT和XGBoost的区别，以及适用场景
- 在Spark上如何实现一个特征工程pipeline？
- 如何评估线上模型效果，并发现衰退问题？
匹配度报告
71
综合匹配度
合肥上市大厂，前沿AI技术栈，成长性强，但WLB一般，需现场办公。
适合人群
最适合以技术成长和职业发展为核心动机的求职者，对生活工作平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展88
工作生活50
使命价值70
薪资福利匹配
75中等
科大讯飞为上市大厂，薪资福利体系完善，合肥生活成本低，但未明确列出具体福利，薪资信号为'面议'（实际未写明），但行业通常水准较好。
薪资信号面议 (18K-28K/月)
成长发展匹配
88较高
岗位涉及全链路算法开发和技术创新，接触前沿模型和大数据工具，成长空间大，但JD中未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、Transformer、Spark、Flink
业务类型ambiguous
工作生活匹配
50较低
工作地点在合肥，现场办公，未提及弹性工作或WLB，可能面临项目压力，加班情况不确定。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
科大讯飞专注于人工智能，业务涵盖教育、医疗等有社会意义的领域，岗位本身偏向技术实现，社会影响力中性偏正向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs