阿里巴巴
数据科学家
数据科学家
发布于 5 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
Rag
Sql
因果推断
大模型
数据挖掘
机器学习
深度学习
值不值得投
78综合评分
综合评分 78
核心业务数据科学家，前沿大模型与因果推断交叉，技术成长空间极大，薪资竞争力强，WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5万
比数据科学中位数高
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 2940 个在招 · 其中数据科学 11 个
市场机会
选择适中
杭州 · 数据科学 · 22 个在招
职位详情
关于这个职位
该职位致力于构建下一代AI驱动的数据科学体系，融合因果推断与大模型推理能力
你将开发基于大模型的自动化分析工具链，探索RAG在商业分析中的应用，并通过机器学习算法解决复杂业务挑战，产出关键商业洞察
最低要求
本科及以上学历，计算机、统计学、数学等专业
具备扎实的专业基础，熟悉一门数据科学语言，如Python、R、SQL、Java等
具备较强的动手能力和学习能力，具备良好的沟通能力和团队合作，主动积极，乐于面对挑战
理解传统机器学习算法概念，熟悉深度学习核心框架、了解Attention机制等大模型基础原理
工作职责
参与构建下一代AI驱动的数据科学体系，参与构建行业领先的决策智能系统，融合因果推断与大模型推理能力，突破传统AB实验边界
站在数据科学与生成式AI的交叉前沿，开发基于大模型的自动化分析工具链
探索RAG在商业分析中的创新应用，实现数据洞察的自然语言交互式挖掘
接应用先进的机器学习框架和统计方法，设计并实施方案，解决前所未有的业务挑战
通过Python/R等流行语言编写高效的机器学习算法，产出新颖实用的分析图表
沉浸在阿里海量的数据中，发挥你的商业敏感度，发现足以改变商业决策的关键洞察，创造性地提出切实可行的营销策略，并通过科学的实验设计来验证其商业效果
优先资格
有参与过数据科学、分析、数据挖掘、算法等相关项目优先
有大数据操作的实际经验优先
具备大模型实践经历：至少参与过LLM微调、提示工程、模型压缩等任一环节优先
AI 洞察
优缺点分析
优点
- 站在大模型与数据科学交叉前沿，能够接触到行业领先的决策智能系统和海量数据资源
- 依托顶尖的技术平台，能够与优秀的团队共事，获得极高的技术视野与专业成长空间
- 适合对大模型、因果推断等前沿技术有浓厚兴趣，且具备较强商业洞察力与落地执行力的技术极客
缺点 / 挑战
- 业务场景丰富且极具挑战性，有机会将前沿技术（如RAG、因果推断）直接应用于核心商业决策
- 需要不断跟进大模型和生成式AI的快速迭代，技术学习压力较大，需保持持续学习的状态
- 业务挑战前所未有，意味着在探索新技术落地时可能会面临较高的不确定性和试错成本
角色解读
- 在数据科学与生成式AI的交叉前沿深耕，成长为具备大模型落地能力的资深数据科学家
- 向数据科学团队负责人或业务线数据决策核心专家方向发展，主导复杂业务场景的智能化升级
- 构建下一代AI驱动的数据科学体系，融合因果推断与大模型推理能力，突破传统AB实验边界
- 开发基于大模型的自动化分析工具链，探索RAG在商业分析中的创新应用
- 运用机器学习算法和统计方法解决复杂业务挑战，通过海量数据挖掘关键商业洞察并验证营销策略效果
- 扎实的计算机、统计学或数学专业基础，熟练掌握Python、R、SQL等数据科学语言
- 深入理解传统机器学习算法与深度学习核心框架，熟悉Attention机制等大模型基础原理
- 具备较强的商业敏感度与实验设计能力，能够将数据洞察转化为切实可行的业务策略
申请策略
- 深入了解阿里相关核心业务的数据应用场景，在面试中展现对业务的深刻理解与技术落地思路
- 重点突出在大模型（LLM微调、提示工程、RAG应用）或因果推断方面的实际项目经验与落地成果
- 展示利用Python/R等语言开发自动化分析工具链或高效机器学习算法的具体案例及业务收益
- 强调在海量数据环境下，通过科学实验设计验证营销策略并提升商业效果的成功经历
- 提前熟悉RAG（检索增强生成）架构及大模型在商业分析中的最新应用案例，补充提示工程实践经验
- 深化对因果推断理论的理解，并尝试将其与机器学习模型结合，构建更稳健的决策评估方案
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点突出技术选型的思考过程、解决复杂问题的逻辑以及最终量化的业务收益
- 对于因果推断和实验设计问题，先阐述理论假设与实验设计思路，再结合具体业务场景说明如何控制混淆变量并验证效果
- 请分享一个你利用大模型或RAG技术解决实际业务问题的项目，遇到了哪些挑战及如何解决？
- 在传统的AB实验中，如果存在网络效应或干扰，你会如何结合因果推断方法来评估策略效果？
- 请描述你如何设计一个自动化分析工具链，以提高数据洞察的效率和准确性？
- 面对海量且嘈杂的数据，你如何发挥商业敏感度，挖掘出能真正改变业务决策的关键洞察？
- 复习并准备大模型微调、RAG架构、因果推断（如DID、PSM、IV等）的核心理论与代码实现细节
- 梳理过往项目中最具挑战性的数据科学案例，准备好应对关于模型优化、工程落地及业务价值转化的深度追问
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位为数据科学家，技术门槛高且处于核心业务线，薪资竞争力强，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位处于大模型与数据科学交叉前沿，技术栈极具前瞻性，且依托海量数据与核心业务，技术成长与专业发展空间极大。
技术前沿前沿/新兴技术
技术栈Python、R、SQL、大模型、RAG、因果推断、机器学习、深度学习
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，且核心业务数据科学岗位通常面临较高的业务挑战与节奏，生活化动机满足程度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
岗位致力于构建下一代AI驱动的决策智能系统，具有开拓性创新特征，但在社会直接影响力方面表现中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs