德勤
Senior Analyst(Python Developer -Data AI Applications) - Enterprise Risk - GDC - Chongqing(315465)战略、风险与企业交易
Senior Analyst(Python Developer -Data AI Applications) - Enterprise Risk - GDC - Chongqing(315465)战略、风险与企业交易
发布于 6 个月前普通员工/个人贡献者
重庆市
高级经验
全职员工
仅现场办公
本科
数据分析与科学
数据分析
机器学习
AI自动化
LLM
n8n
RAG
AI 估算 · 12k–20k
重庆交付中心Python开发，AI应用方向，技术岗薪资不错。
职位详情
关于这个职位
这是一个德勤企业风险部门的高级分析师职位，专注于利用Python进行数据AI应用开发
你将负责从数据采集、清洗到分析与可视化的全流程工作，并开发和维护高性能的后端服务
核心职责还包括参与机器学习模型的开发与优化，探索大语言模型（LLM）技术构建智能应用，并与跨职能团队协作，推动数据驱动和AI赋能的产品落地
最低要求
计算机、数学、统计学或相关专业本科及以上学历
精通 Python 编程，具备扎实的编程基础和良好的代码规范
熟悉常用数据分析库（如 pandas、numpy、scikit-learn、matplotlib/seaborn 等）
有实际项目经验使用 FastAPI 和/或 Django 构建 Web 服务或 API
了解机器学习基本原理，有实际 ML 项目经验者优先
对大语言模型（LLM）有一定理解，熟悉主流开源或商用大模型（如 Llama、ChatGLM、Qwen、GPT 等）
有 RAG（Retrieval-Augmented Generation）系统开发或调优经验
熟悉或使用过 n8n、Dify 等 AI 自动化/编排平台者优先
具备良好的沟通能力、团队协作精神和快速学习能力
有 GitHub 开源项目、技术博客或 Kaggle 竞赛经历者加分
工作职责
负责基于 Python 的数据采集、清洗、分析与可视化工作
开发和维护高性能、高可用的后端服务，主要使用 FastAPI 或 Django 框架
编写自动化脚本，提升数据处理与业务流程效率
参与机器学习模型的开发、部署与优化，支持业务场景中的智能决策
探索并应用大语言模型（LLM）技术，构建基于 RAG（检索增强生成）等架构的智能应用
集成和调优 AI 工作流工具（如 n8n、Dify 等），实现低代码/无代码 AI 解决方案
与产品、算法及前端团队紧密协作，推动数据驱动和 AI 赋能的产品落地
优先资格
熟悉向量数据库（如 Milvus、Pinecone、Weaviate）
了解 LangChain、LlamaIndex 等 LLM 应用开发框架
有 Docker、Kubernetes、CI/CD 等 DevOps 实践经验
对 AIGC、智能客服、知识库问答等应用场景有实际落地经验
AI 洞察
优缺点分析
优点
- 技术前沿：职位涉及机器学习、LLM、RAG等前沿AI技术，有助于积累高价值的技术栈，提升在数据科学和AI应用领域的竞争力
- 技术复杂度高：需要同时掌握数据处理、后端开发、机器学习和LLM等多领域技术，学习曲线较陡峭，对快速学习和适应能力要求高
缺点 / 挑战
- 平台优势：德勤是全球领先的专业服务机构，提供稳定的职业发展平台和丰富的行业资源，尤其在风险管理和咨询领域具有强大品牌影响力
- 行业前景：企业风险管理是高速增长的领域，结合AI技术，该职位能让你参与解决实际的商业问题，职业发展空间广阔
- 工作压力可能较大：在咨询环境中，项目节奏快，需要与跨职能团队紧密协作，同时处理技术实现和业务需求，可能面临较高的工作强度
- 适合具备扎实Python和数据分析基础，对机器学习和大语言模型有浓厚兴趣，并希望在顶尖咨询公司从事技术驱动型风险解决方案的求职者
角色解读
- 在德勤的企业风险部门，你可以从技术专家成长为AI解决方案架构师，深入金融、咨询等行业的风险管理与智能决策领域，积累跨行业经验
- 长期发展路径包括向技术管理（如团队主管）或业务咨询方向转型，利用技术专长解决复杂的商业问题，或在AI与数据科学领域成为行业专家
- 你将负责端到端的数据处理与AI应用开发，包括使用Python进行数据采集、清洗、分析和可视化，并利用FastAPI或Django构建和维护高性能的后端服务
- 核心工作之一是开发和优化机器学习模型，以支持业务决策，并探索大语言模型（LLM）技术，构建基于RAG架构的智能应用，如知识库问答系统
- 你需要集成和调优AI工作流工具（如n8n、Dify），实现低代码/无代码的AI解决方案，并与产品、算法、前端团队协作，推动数据驱动和AI赋能的产品落地
- 精通Python编程及数据分析库（如pandas, numpy, scikit-learn），并具备使用FastAPI或Django开发Web服务或API的实际项目经验
- 需要理解机器学习基本原理，并有大语言模型（LLM）的实践经验，特别是熟悉RAG系统的开发或调优，以及主流开源或商用模型（如Llama, GPT）
- 具备良好的沟通与团队协作能力，能够快速学习新技术，并熟悉或使用过n8n、Dify等AI自动化平台，有GitHub开源项目或Kaggle竞赛经历是加分项
申请策略
- 申请前了解德勤的企业风险业务和其在中国的数字化战略，在面试中展示你对行业和公司文化的理解，能增加匹配度
- 重点突出使用Python进行数据采集、清洗、分析和可视化的项目经验，特别是涉及pandas、numpy等库的实际案例
- 详细描述使用FastAPI或Django构建Web服务或API的项目，包括性能优化、高可用性设计等方面的成果
- 展示在机器学习模型开发、部署或LLM/RAG系统构建方面的经验，提供具体的项目背景、技术栈和取得的业务效果
- 如果有GitHub开源项目、技术博客或Kaggle竞赛经历，务必在简历中明确列出，以证明技术热情和实践能力
- 提前深入学习RAG架构和主流LLM模型（如Llama, GPT）的应用，可以通过在线课程或开源项目实践来补充经验
- 熟悉n8n、Dify等AI自动化工具，以及向量数据库（如Milvus）和LangChain等框架，这些是职位明确的加分项
面试指南
- 对于技术问题，采用STAR法则（情境、任务、行动、结果）来结构化回答，重点突出具体的技术细节、解决问题的过程和可量化的成果
- 在回答协作类问题时，强调沟通技巧、团队合作和以业务为导向的思维，展示你如何平衡技术实现与项目目标
- 请介绍一个你使用Python和pandas进行数据清洗与分析的复杂项目，遇到了什么挑战，如何解决的？
- 你如何设计一个基于FastAPI的高性能API服务？请谈谈你在项目中处理高并发或优化响应时间的经验
- 请描述你参与过的一个机器学习模型开发项目，包括数据准备、模型选择、训练和评估的全过程
- 你对RAG系统有什么理解？能否分享一个你构建或调优RAG应用的实际案例？
- 你如何与产品经理、前端工程师等非技术角色协作，以确保技术方案满足业务需求？
- 复习Python核心语法、常用数据分析库和Web框架（FastAPI/Django），准备1-2个能体现你技术深度的项目案例进行详细阐述
职位点评
Watch Jobs