道富公司
Intern
Intern
发布于 6 个月前普通员工/个人贡献者
杭州市
无经验要求
实习生
仅现场办公
本科
数据分析与科学
云计算
大语言模型
数据工程
数据科学
机器学习
金融科技
AI代理
PyTorch
TensorFlow
AI 估算 · 4k–6k
道富数据科学实习生，要求机器学习与大模型应用，技术门槛高，实习薪资具竞争力。
职位详情
关于这个职位
这是一个面向数据科学、数学或相关技术专业学生的实习岗位
你将加入道富公司的全球交付人工智能团队，参与真实的人工智能/机器学习项目，涉及数据处理、模型开发、大语言模型应用等多个方面
该职位旨在为早期职业人士提供在金融科技领域实践AI技术、大数据处理和产品开发的宝贵机会，并有机会在毕业后转为全职员工
最低要求
数据科学、数学、物理或相关技术专业的应届本科生/硕士生或研究生
对在技术驱动型组织建立长期职业充满热情
具备有效的沟通能力，能够在团队环境中协作
乐于接受反馈，致力于持续学习和改进
受到解决现实世界问题的激励，渴望贡献创新想法
具备以下核心能力的工作知识：
机器学习与数据分析
Python编程及相关库（如pandas, scikit-learn, PyTorch, TensorFlow, transformers等）
云计算（AWS, Azure, 或 GCP）
数据工程（如SQL编程, Hadoop/Spark等）
通用大语言模型和AI代理知识
中英文沟通与协作能力
工作职责
与产品负责人、业务分析师、数据科学家和软件开发人员合作，理解业务需求并提供数据科学解决方案
应用对成熟机器学习算法（例如基于树的方法、神经网络等）的扎实理解，利用结构化或非结构化数据开发或增强机器学习模型
参与大语言模型相关任务以及基于代理的原型和交付成果
支持代码集成和测试
参与演示、反馈会议和迭代开发周期
使用AI工具或代理（例如GitHub Copilot）来提高开发效率并解决新任务
优先资格
AWS/Azure认证的数据科学家或开发者
机器学习或人工智能专业认证（例如Coursera等）
AI 洞察
优缺点分析
优点
- 优势在于能接触到全球顶尖金融机构的真实AI项目和海量数据，获得从数据处理到模型部署的全流程实践经验
- 团队提供专业导师指导，并有机会接触大语言模型、AI代理等前沿技术
- 公司平台优秀，实习表现好有明确的转正机会，且金融科技是当前高增长领域，职业前景广阔
- 工作可能涉及处理大规模、非结构化的金融数据，技术难度不低
- 同时，在跨国团队中协作，需要具备良好的跨文化沟通能力
- 这个职位非常适合对AI技术有浓厚兴趣、渴望在金融科技领域实践的数据科学、计算机或相关专业的在校生，尤其是那些追求技术深度、喜欢解决复杂问题并希望获得知名企业实习经验的求职者
缺点 / 挑战
- 挑战可能包括需要快速学习并应用复杂的金融业务知识到技术模型中，对学习能力和适应性要求高
角色解读
- 这是一个绝佳的AI技术入门和成长平台
- 实习期间，你将从金融科技领域的真实项目中积累全栈AI开发经验
- 表现优异者有机会在毕业后转为全职员工，继续在团队中深入发展，未来可向高级数据科学家、AI算法专家或技术项目经理等方向进阶
- 长期来看，在道富这样的全球金融机构积累的AI+金融复合背景极具竞争力
- 你将作为数据科学实习生，参与金融领域AI产品的开发全流程，包括数据处理、特征工程、模型构建与优化
- 具体工作涉及应用传统机器学习算法（如树模型、神经网络）和前沿技术（如大语言模型、AI代理）来解决实际业务问题
- 你需要与跨职能团队紧密协作，将业务需求转化为技术解决方案，并参与代码集成、测试和迭代反馈
- 核心技能包括扎实的Python编程能力，熟悉pandas、scikit-learn、PyTorch/TensorFlow等数据科学和深度学习库
- 需要理解机器学习基础算法，并具备数据处理和SQL能力
- 此外，需要对大语言模型和AI代理有基本认知，并能在AWS/Azure/GCP等云平台上进行开发
- 良好的中英文沟通和团队协作能力也是必备的
申请策略
- 申请时，建议深入了解道富公司的业务，特别是其全球服务或全球顾问部门，思考AI技术如何在这些领域创造价值
- 在申请材料或面试中，可以表达出对长期在技术驱动型组织发展的热情，以及将技术创新应用于解决金融行业实际问题的兴趣
- 简历应重点突出与机器学习、数据科学相关的课程项目、竞赛或研究经历，特别是使用Python及相关库（如PyTorch, scikit-learn）的实践
- 详细描述你处理过的数据规模、使用的算法以及取得的量化成果
- 如果有云计算（AWS/Azure）或大数据工具（Spark）的使用经验，务必明确列出
- 任何体现你解决问题能力、团队协作或中英文沟通能力的经历也应着重展示
- 在申请前，可以强化对经典机器学习算法（如XGBoost、神经网络）原理和实现的理解，并通过Kaggle等项目进行实践
- 熟悉一两个主流的大语言模型（如GPT系列）的基本原理和应用场景
面试指南
- 对于技术问题，建议采用STAR原则（情境、任务、行动、结果）来结构化回答项目经历，重点突出你的技术决策、动手能力和问题解决过程
- 对于场景题，可以展示你的分析思路：从业务目标理解、数据特性分析、技术方案选型到潜在风险评估
- 对于行为问题，强调你的协作精神、沟通能力和以结果为导向的态度
- 请介绍一个你参与过的机器学习项目，你具体负责什么？遇到了什么挑战，如何解决的？
- 你如何理解大语言模型在金融领域的潜在应用？可以举例说明吗？
- 如果给你一个金融文本数据集（如新闻、财报）做情感分析，你会设计怎样的技术方案？
- 请解释一下过拟合（Overfitting），并说明你在实践中如何避免它？
- 描述一次你在团队项目中有效协作或解决分歧的经历
职位点评
Watch Jobs