Watch Jobs
Agilent logo
安捷伦
Data Scientist – AI/ML Modeling
立即应聘

Data Scientist – AI/ML Modeling

发布于 大约 8 小时前

普通员工/个人贡献者

上海市
高级经验
全职员工
仅现场办公
硕士
数据科学
Numpy
Pytorch
Scikit-Learn
Tensorflow
图像分析
机器学习
深度学习
科学计算

AI 估算 · 30k–50k

外资仪器巨头高级数据科学家，技术壁垒高，上海薪资竞争力强，预计15薪。

职位详情

关于这个职位

该职位负责为安捷伦的实验室解决方案设计和开发定制机器学习和深度学习模型，主要应用于色谱、质谱、图像分析、异常检测等科学数据场景

你将与产品、软件、应用科学家团队紧密合作，将科学问题转化为可量化的建模任务，并推动模型从原型到产品落地
如果你对科学数据和AI的交叉领域有浓厚兴趣，这将是一个技术深度和影响力兼备的角色

最低要求

硕士或博士学位（优先）于数据科学、机器学习、统计学、计算机科学、应用数学、生物信息学、化学计量学、分析化学、生命科学或相关定量学科

在机器学习、深度学习、数据科学或科学计算方面至少5年相关行业或应用研究经验
高级学位研究经验可考虑
扎实的Python实践经验，熟练使用常用ML库和科学计算工具，如PyTorch、TensorFlow、scikit-learn、NumPy、Pandas或等效框架
扎实理解ML/DL基础，包括模型选择、训练策略、验证设计、优化、评估指标和错误分析
能够将模糊的科学或产品问题构建为可测试的假设、数据计划、建模方法、实验和成功标准
在统计学、应用数学、优化、信号处理、时间序列分析、计算机视觉、化学计量学或科学数据相关方法方面有扎实的定量基础
熟悉可复现的ML实践，包括实验跟踪、数据可追溯性、模型版本控制、技术文档以及与软件工程团队的协作
流利的英语和出色的沟通能力，用于技术文档、实验审查和与全球利益相关者协作

工作职责

将AI产品需求、客户工作流痛点和科学用例转化为清晰的ML问题陈述、模型目标、评估指标和实验计划

设计、训练、验证和优化定制ML/DL模型，用于实验室生产力用例，如色谱、质谱、图像分析、异常检测和模型辅助审查
选择并调整适合科学数据的架构，包括卷积、分割、时序、图、多模态或物理信息方法
构建可复现的建模工作流，涵盖数据整理、标注策略、真实定义、特征工程、质量检查、训练、评估和文档记录
与应用科学家和领域专家合作，设计实验并生成高质量数据集用于模型开发和基准测试
定义性能指标、统计验证方法、验收标准和适合科学和产品决策的证据包
通过与软件工程合作，将原型转化为产品级能力，包括模型接口、推理工作流、API、性能约束、部署模式和生命周期需求
确保模型输出在科学上有效、可解释、可复现，并与客户工作流期望一致
记录假设、数据集、实验、结果、限制、风险和验证证据，以支持质量审查、负责任AI实践和可维护性
监控应用AI/ML研究，并有选择地评估能改进实验室数据分析、自动化和工作流智能的方法，具有明确的实际部署价值

优先资格

在实验室、生命科学、分析仪器、科学工作流或客户面向产品环境中应用AI/ML的经验

接触过色谱、质谱、峰积分、峰检测、基线校正、光谱分析、科学成像或仪器生成信号数据的领域
有调整高级模型架构以适应噪声、有限、异质、不平衡或依赖仪器的科学数据集的经验
在改进模型鲁棒性、可解释性、不确定性处理或真实操作条件下的性能一致性方面有实践经验
有将模型超越概念验证的经验，包括推理设计、模型服务、API、容器化、CI/CD集成、监控或生命周期管理
接触过LLM、基础模型或AI辅助软件开发工具是加分项，但不是核心要求

AI 洞察

优缺点分析

优点

  • 安捷伦是分析仪器行业的全球领导者，平台大，业务稳定
  • 职位涉及科学数据和AI的交叉领域，技术含量高，有很强的专业壁垒
  • 与跨国团队合作，能提升英语和全球协作能力
  • 科学数据通常噪声大、样本有限，建模难度高，需要较强的领域知识
  • 需要同时兼顾算法研究和产品交付，可能面临较快的项目节奏
  • 出差偶尔，但可能需应对跨时区协作
  • 适合有扎实ML基础、对科学数据应用感兴趣、能深入钻研并能跨团队协作的工程师

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可从数据科学家成长为资深数据科学家或技术专家，深入深耕科学AI领域
  • 可向技术管理方向转型，领导AI团队或项目
  • 也可横向拓展到产品、应用科学或解决方案架构等角色
  • 将科学工作流和产品需求转化为机器学习问题，设计并验证定制ML/DL模型
  • 主要应用于色谱、质谱等实验室数据分析，以及图像分析、异常检测等场景
  • 与软件、产品、应用科学家团队协作，将原型模型集成到产品中
  • 负责模型的可复现性、文档记录和验证证据，确保科学有效性和可维护性
  • 扎实的Python编程能力，熟练使用PyTorch/TensorFlow、scikit-learn等ML框架
  • 深入理解机器学习基础，包括模型选择、训练策略、评估指标和误差分析
  • 在统计学、信号处理、时间序列或计算机视觉方面有定量基础，能处理科学数据
  • 良好的英语沟通能力和跨团队协作能力

申请策略

  • 在申请信中明确表达对科学数据和AI结合的热情
  • 准备一个完整的端到端ML项目案例，展示从问题定义到部署的能力
  • 突出在实验室或科学数据领域的ML项目经验，例如色谱/质谱数据处理、图像分析等
  • 强调工程化能力，如模型部署、容器化、CI/CD等
  • 展示Python、PyTorch/TensorFlow等工具的熟练度，以及可复现ML实践
  • 如果缺乏科学领域经验，可以学习基础化学或仪器分析知识，例如色谱原理
  • 熟悉模型可解释性、不确定性量化等技术，提升模型可信度

面试指南

  • 使用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，结构化描述项目经验
  • 讨论建模思路时，先明确问题、数据、评估，再谈方法，强调权衡和决策
  • 对于部署问题，强调工程化和协作经验
  • 请描述一个你处理过的科学数据建模项目，你是如何定义问题和评估指标的？
  • 如何处理噪声大、样本不平衡的科学数据集？
  • 你熟悉哪些模型架构？在时序或图像数据上如何选择？
  • 如何保证模型的可复现性和可解释性？
  • 你如何与软件工程师协作，将模型部署到产品中？

职位点评

71
综合评分

外企巨头资深数据科学家，技术含量高，薪资有竞争力，WLB未明确但大概率正常。

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。

更适合这类人
该职位适合看重技术成长和稳定薪酬，对WLB有一定要求但也能接受适度加班的求职者。
表现最好
薪资福利
相对薄弱
使命价值
薪资福利75
成长发展75
工作生活65
使命价值60

薪资福利

75中等

该职位位于跨国巨头，薪资水平具有竞争力，但具体薪酬未在JD中明确，福利信息需进一步了解。

薪资信号未披露（AI估算：30K-50K/月）

成长发展

75中等

该职位提供在科学AI领域的深度技术挑战，能积累高端建模经验，但明确的发展路径未在JD中提及。

技术前沿主流现代技术
技术栈Python、PyTorch、TensorFlow、scikit-learn、NumPy、Pandas、机器学习、深度学习、图像分析、异常检测
业务类型ambiguous

工作生活

65中等

工作地点在中国上海，跨国企业通常有相对规范的工作制度，但JD未明确弹性或远程政策。

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

60中等

该职位为实验室效率提升提供AI解决方案，对科学研究和生产力有积极意义，但行业成熟，创新性中等。

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

安捷伦 的其他在招职位

相似职位推荐

Watch Jobs