Senior Data Scientist, AI Program, CNGS NBS (New Business & New Seller) Amazon Business

优缺点分析

角色解读

• 在亚马逊内部，可以晋升为高级科学家或首席科学家，负责更复杂的科学项目
• 可以转向管理岗位，领导数据科学团队，或成为技术专家，影响公司级AI战略
• 积累的卖家智能和AI应用经验，在电商和科技行业有广阔的职业前景
• 设计和构建卖家细分、倾向性模型，以及联系质量评分系统，以优化卖家触达和生命周期管理
• 与工程团队合作，将ML模型和AI产品生产化，部署到实际业务中
• 探索LLM/GenAI应用，如自动生成卖家洞察、意图分类和智能报告，提升分析效率
• 参与跨团队协作，为全球扩张战略提供数据支持，并评估新的AI工具和模型
• 精通SQL、Python等数据处理和建模语言，具备扎实的统计学和机器学习基础
• 有端到端ML模型交付经验，包括问题定义、特征工程、训练、部署和监控
• 具备实验设计和因果推断能力，能够严谨地评估业务干预效果
• 熟悉LLM/NLP应用，如文本分类、RAG管道，并具备良好的沟通能力

申请策略

• 在简历中量化你的影响，例如“通过优化模型，提升卖家转化率X%”
• 准备展示你对亚马逊领导力原则的理解，如“客户至上”、“创新简化”
• 突出端到端ML项目经验，尤其是涉及细分、倾向建模或生命周期分析的案例
• 强调A/B测试和因果推断的实际应用，展示量化业务影响的能力
• 提及LLM/NLP项目经验，如文本分类、RAG管道，展示对前沿技术的掌握
• 展示跨团队协作和向非技术受众传达复杂发现的能力
• 熟悉亚马逊常用的技术栈，如Spark、EMR、Redshift、Hive等，提升大数据处理能力
• 学习因果推断方法（如DID、RDD）和LLM应用，如RAG、Agent，增强技术深度

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化回答，突出你的贡献和量化结果
• 展示你的技术深度，同时强调业务影响和团队协作
• 准备一些关于亚马逊业务和行业趋势的见解，展示你的兴趣和思考
• 请描述一个你从零开始构建的ML模型，包括问题定义、数据、特征、模型选择和部署
• 如何设计一个A/B测试来评估卖家触达策略的有效性？
• 你如何将模糊的业务问题转化为数据科学项目？
• 你如何评估LLM在业务场景中的适用性？
• 请举例说明你如何与工程团队合作，将模型生产化