中国平安
数据算法工程师
数据算法工程师
发布于 大约 2 个月前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
数据分析与科学
NLP
数据挖掘
PyTorch
SQL
RAG
TensorFlow
LLM
推荐系统
AI 估算 · 30k–50k
上海大厂，LLM技术热门，要求高，薪资竞争力强，月薪3-5万合理。
职位详情
关于这个职位
作为数据算法工程师，你将深入理解业务需求，利用数据分析、挖掘和LLM技术优化推荐系统和营销方案
工作涉及RAG、Agent等大模型应用开发，以及数据驱动的闭环反馈，旨在提升业务指标和用户体验
最低要求
计算机、统计学、数学或相关专业
具有3年以上数据分析挖掘经验，熟悉推荐系统开发，有LLM相关经验者优先
具备较强的数据分析、数据挖掘等数据能力，能够从数据中发现业务痛点及价值点
熟练使用Python/SQL开发，了解推荐系统架构及TensorFlow/PyTorch等深度学习开发框架，了解大语言模型 (GPT、BERT等)的原理及应用场景
熟悉Agent、RAG的设计与实现
有大模型相关项目经验者优先
熟悉大数据体系基本技术，有流式数据开发经验者优先
优秀的协调沟通与团队协作能力，具备良好的需求理解能力，能够准确把握业务需求并转化为实际解决方案
对技术充满热情，具备快速学习能力，能够适应新技术的快速迭代与应用
工作职责
深入理解用户需求，挖掘数据价值，优化现有数据解决方案，并结合 LLM 技术提升业务能力
从数据分析、数据挖掘、推荐与营销、NLP 等角度提升业务指标
分析推荐与营销活动的效果，结合 LLM 技术，建立闭环反馈机制，持续改进分析挖掘方法与算法
负责 LLM 的应用开发，包括 RAG, Agent, Plugin 等组件，推动模型在实际业务场景中的落地
AI 洞察
优缺点分析
优点
- 大平台，数据资源丰富，项目影响力大
- 紧跟LLM技术浪潮，技能提升快
- 薪资福利优厚，发展空间大
- 技术迭代快，需要持续学习
- 业务要求高，可能需要应对复杂场景和高压
- 竞争激烈，需要扎实的技术功底
- 适合具有较强数据分析和编程基础，对LLM充满热情，希望在金融科技领域深耕的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 成为数据科学专家，主导核心算法研发
- 向技术管理方向发展，带领团队
- 深入LLM前沿，成为AI领域专家
- 分析业务数据，挖掘洞察，优化推荐与营销策略
- 基于LLM开发RAG、Agent等应用，提升业务智能化水平
- 建立评估闭环，持续改进算法效果
- 扎实的数据分析与挖掘能力，熟练使用Python和SQL
- 深度学习框架经验（TensorFlow/PyTorch），了解推荐系统
- LLM相关技术：RAG、Agent、大模型原理与微调
申请策略
- 了解平安的业务场景，如保险、金融推荐
- 准备一个LLM落地的项目案例
- 突出数据挖掘、推荐系统项目经验
- 展示LLM相关实践，如RAG、Agent开发
- 强调Python/SQL能力及框架使用
- 补充LLM原理和微调知识
- 学习Agent和RAG的工程实现
- 了解金融领域数据特点
面试指南
- STAR法则：情境-任务-行动-结果
- 先讲思路，再讲细节，最后总结效果
- 请介绍一个你通过数据挖掘提升业务指标的案例
- RAG的原理是什么？如何优化检索效果？
- 如何设计一个推荐系统的评估指标？
- 复习推荐系统架构和常用算法
- 准备LLM相关技术栈的深度理解
- 提前研究平安现有数据产品
职位点评
69
综合评分
大厂核心算法岗，聚焦LLM落地，技术前沿但WLB一般。
更适合这类人
适合看重技术成长和薪资回报，能接受一定工作压力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活50
使命价值60
薪资福利
80较高
平安作为上市巨头，薪资福利有竞争力，但具体数额未明确，总体补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
职位涉及前沿LLM技术，有大量实践机会，技能成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、TensorFlow、PyTorch、NLP
业务类型profit_center
工作生活
50较低
上海现场办公，未提及弹性工作，可能加班较多，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
金融科技行业稳定，但社会意义中性，主要商业驱动。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs