酷澎
Staff Data Scientist (Selection)
Staff Data Scientist (Selection)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据科学
数据科学
Pytorch
Tensorflow
大语言模型(Llm)
数据挖掘
机器学习
电子商务
统计分析
值不值得投
74综合评分
综合评分 74
聚焦LLM与智能体前沿技术，业务导向强，台北跨国平台核心岗。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.9万
比数据科学中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 320 个在招 · 其中数据科学 7 个
市场机会
选择不多
台北 · 数据科学 · 9 个在招
职位详情
关于这个职位
负责设计下一代商品筛选数据挖掘系统，利用多模态大语言模型与传统机器学习技术丰富产品信息
通过统计指标与实验设计驱动选品策略，并在产品、运营与工程团队间协作，将模糊的业务需求转化为可扩展的生产级解决方案
最低要求
数学/统计学、计算机/工程或其他定量学科的本科学位或硕士学位，具备8年以上相关行业或学术界经验
在统计学和机器学习基础方面拥有深厚的实践经验，并有将其应用于生产系统的成功案例
具备强大的批判性思维，能够解决模糊问题，并有设计数据科学解决方案以满足业务需求的经验
能够通过数据操作、假设构建、实验设计和统计分析独立开展业务问题分析
优秀的书面和口头沟通能力，能有效与技术及业务各层级利益相关者互动，包括演示文稿的开发与交付
工作职责
设计下一代可在大规模范围内运行的选品数据挖掘系统，涵盖提取、基于查询的信息增强、以及利用智能体和自动化工作流从选品大数据源获取动态产品信息
你将影响指标定义，提高质量、收入优先级和机会捕获的标准
确定技术方向，将现有成功的方法和模型演变为可扩展、成本效益高的系统，从而影响数百万个获选产品的质量
设计并开发统计指标和实验，以指导我们的选品策略
开展全面的研究和分析以指导模型开发，利用多模态大语言模型和经典统计学/机器学习
与跨职能团队（包括产品、工程和业务）紧密合作，识别增强技术产品的机会，将模糊的业务需求转化为切实可行的解决方案
对已推出的解决方案进行分析，根据实际结果量化成果，识别改进领域和未来开发机会
成为组织内关于AI技术及下一代挑战（如评估、不一致/脏标签）的思想领袖
优先资格
具有生产环境中的大语言模型/智能体系统经验
能够以适当的抽象级别对模糊的业务和运营问题进行建模，专注于提供切实可行的解决方案
具备可扩展系统思维：管道、嵌入LLM的工作流、人在回路工作流、具有上下文特定智能体能力的混合管道等
精通机器学习框架和工具，包括Python、TensorFlow和PyTorch，并能将其与大语言模型结合使用
深入理解电子商务业务领域，并能够将前沿模型应用于生产环境，推动可衡量的结果
AI 洞察
优缺点分析
优点
- 直接参与LLM与智能体系统在真实电商场景的落地，技术栈处于行业最前沿
- 背靠已上市跨国平台，拥有海量高质量数据资源与稳定的工程基础设施支持
- 岗位横跨产品、工程与业务，能快速积累全链路数据科学视野与商业化影响力
- 业务需求高度模糊，需在缺乏明确标准的情况下自主定义指标并推进实验
- 跨国企业晋升通道相对固化，需主动争取跨团队协作与技术话语权
- 适合拥有扎实机器学习功底、渴望将前沿AI技术规模化落地于复杂业务场景，且具备强自驱力与跨部门沟通能力的资深数据科学家
缺点 / 挑战
- 需处理大量不一致/脏标签数据，模型清洗与评估体系搭建难度较高
角色解读
- 向首席数据科学家或AI技术负责人演进，主导公司级算法架构与数据战略
- 深耕电商选品与推荐领域，成为兼具商业洞察与前沿AI技术的复合型专家
- 拓展至智能体系统(AGI)与多模态大模型落地方向，引领下一代数据基础设施创新
- 负责设计并维护大规模商品筛选数据挖掘系统，处理海量产品信息与品牌制造商数据
- 运用多模态大语言模型与传统机器学习方法，开展模型研发与实验设计，驱动选品策略优化
- 在跨职能团队中担任技术桥梁，将模糊的业务需求转化为可落地的生产级数据科学解决方案
- 扎实的统计学与机器学习基础，具备将算法部署至生产环境的实战经验
- 熟练掌握Python、TensorFlow、PyTorch等主流框架，并能结合LLM进行智能体工作流开发
- 出色的业务抽象能力与批判性思维，能独立设计实验、定义指标并解决复杂模糊问题
申请策略
- 提前研究酷澎台湾站“Rocket Delivery/Oversea”的选品逻辑，准备针对性案例
- 面试前梳理个人在脏数据处理与模型评估方面的痛点解决思路，展现技术领导力
- 突出至少一个将机器学习/LLM模型成功部署至生产环境的项目，强调性能指标与业务收益
- 详细展示在数据清洗、特征工程、实验设计及A/B测试方面的完整方法论与量化成果
- 体现跨职能协作经验，说明如何将模糊业务目标转化为可执行的数据技术方案
- 深入学习LangChain、AutoGen等智能体编排框架，掌握Human-in-the-loop工作流设计
- 强化统计推断与因果推断能力，提升在噪声数据环境下设计稳健实验的功底
- 补充电商选品逻辑、供应链数据特征及GMV/转化率等业务指标的理解
面试指南
- 采用STAR法则结构化回答，重点突出背景约束、技术选型依据、迭代过程与量化结果
- 针对系统设计类问题，先明确输入输出与边界条件，再分层阐述数据流、模型层与评估机制
- 面对模糊业务问题，展示从指标拆解、假设验证到灰度发布的完整闭环思维
- 如何在大规模数据中高效处理不一致/脏标签，并保证模型训练稳定性？
- 请设计一个端到端的LLM智能体工作流，用于自动丰富商品属性信息
- 当业务方需求模糊且缺乏历史基线时，你会如何定义核心指标并启动实验？
- 如何权衡模型复杂度、推理成本与线上延迟，实现成本效益最优的生产部署？
- 复习大语言模型微调、RAG架构及Agent评测基准（如HELM、BigBench），准备实战案例
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
薪资未明确披露，但作为已上市跨国企业的资深技术岗，整体薪酬福利预计处于市场中上水平，稳定性较强。
薪资信号未披露（AI估算：2.2千–3.5万/月）
成长发展
85较高
岗位聚焦LLM与智能体等前沿技术应用，直接参与核心选品算法与生产系统搭建，技术成长空间与业务影响力显著。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、Agentic System
业务类型profit_center
工作生活
60中等
职位描述未明确说明办公模式与工时安排，台北科技大厂通常节奏较快，工作生活平衡程度需以实际入职为准。
工作模式未明确
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
70中等
跨境电商赛道虽属成熟行业，但岗位致力于通过技术创新提升消费者购物体验，具备一定的业务价值导向。
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
酷澎 的其他在招职位
相似职位推荐
Watch Jobs