路威酩轩
Data Scientist
Data Scientist
发布于 9 个月前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
NLP
PyTorch
TensorFlow
MLOps
LLM
推荐系统
阿里云
AI 估算 · 30k–50k
上海丝芙兰高级数据科学家，要求NLP和推荐系统，属于大厂核心岗位，薪资有竞争力。
职位详情
关于这个职位
作为丝芙兰的数据科学家，你将与业务团队紧密合作，设计并部署先进的机器学习模型（如LSTM、Transformer4Rec），用于实时个性化推荐、NLP任务等，推动AI解决方案落地
你将负责从模型开发到生产化的全流程，包括MLOps管道搭建、大规模数据处理，并与数据工程师、移动开发者协作驱动业务增长
适合有NLP和推荐系统经验、追求技术前沿的工程师
最低要求
年以上机器学习工程/数据科学经验，有部署盈利模型的实际案例
精通NLP（微调LLM进行NER、情感分析）和推荐系统
编程：Python, PyTorch, TensorFlow, Huggingface, SQL
MLOps：Kubeflow, MLflow, Vertex AI, Apache Airflow, DBT
云平台：阿里云, Databricks, GCP
熟悉中国云平台的数据应用和组件（如Azure或阿里云）
出色的故障排除能力，注重细节，能遵循流程
良好的团队合作和独立工作能力
优秀的英语和普通话口头与书面沟通能力
工作职责
设计、开发和部署最先进的机器学习模型（如LSTM, Transformer4Rec）用于实时个性化推荐、NLP任务及其他业务应用
通过超参数调优、A/B测试及离线/在线评估优化模型性能
实施MLOps管道（如Kubeflow, MLflow, BentoML）实现自动化模型训练、评估和部署
使用DataWorks、PySpark、NVTabular等工具处理大规模数据集
与数据工程师合作，确保云平台（如阿里云, Databricks, GCP）上的可扩展、可靠的ML解决方案
与数据工程师、移动开发者和业务团队合作，将ML模型投入生产并驱动业务影响
开发可解释AI解决方案（如基于LLM的可解释性）以增强模型透明度
优先资格
有研究/发表经验者优先
AI 洞察
优缺点分析
优点
- 丝芙兰作为全球美妆零售巨头，业务数据丰富，算法落地场景明确
- 技术栈前沿，涉及LLM、大规模推荐系统，能积累高质量经验
- 公司重视AI创新，资源充足，有成长空间
- 需要快速上手业务，理解美妆零售领域的独特需求
- 模型需兼顾实时性和准确性，对工程能力要求高
- 适合有2-5年经验、热爱技术、希望在零售AI领域深耕的数据科学家，尤其擅长NLP和推荐系统
缺点 / 挑战
- 跨团队协作频繁，沟通成本较高
角色解读
- 技术专家方向：深入AI前沿，成为NLP或推荐系统领域的专家
- 技术管理方向：积累项目经验后，可晋升为数据科学团队技术负责人
- 跨领域发展：横向转到数据产品、解决方案架构师等角色
- 设计并部署个性化推荐模型和NLP模型，提升用户体验和业务转化
- 构建MLOps自动化流水线，实现模型持续集成与部署
- 与数据工程和业务团队协作，将模型落地到生产环境并监控效果
- 处理海量用户行为数据，优化算法实时性能
- 精通Python和深度学习框架（PyTorch/TensorFlow），能独立训练和调优模型
- 有NLP和推荐系统实战经验，熟悉Transformer、LSTM等架构
- 掌握MLOps工具（Kubeflow, MLflow）和云平台（阿里云/GCP），能搭建端到端流水线
- 具备良好的业务理解和沟通能力，能把技术方案转化为业务价值
申请策略
- 关注丝芙兰数字创新动态，在面试中展现对美妆零售AI的兴趣
- 准备好一个完整的端到端ML案例，包括建模、部署、监测全流程
- 突出NLP（如LLM微调、情感分析）和推荐系统的项目经验，量化业务产出（如提升转化率X%）
- 展示MLOps实践案例，如自动化部署、A/B测试框架
- 强调大厂或美妆零售相关经验，证明业务理解力
- 列出开源贡献或技术博客，体现技术影响力
- 补强MLOps技能，熟悉Kubeflow、MLflow的实际操作
- 学习阿里云或GCP的机器学习服务（如PAI、Vertex AI）
面试指南
- 用STAR法则：情境-任务-行动-结果，重点突出你的技术贡献和业务影响
- 展示系统性思考：从业务理解、数据质量、模型选型到部署监控全链路
- 描述一个你主导的推荐系统项目，从数据到部署的细节
- 如何微调LLM用于特定业务场景？举例说明NER或情感分析
- 如何设计A/B测试评估模型效果？有哪些注意事项？
- 你如何选择模型部署平台？比较一下阿里云和GCP的ML服务
- 在一个跨团队项目中，你怎么推动算法落地并说服业务方？
- 复习NLP和推荐系统基础知识，了解Transformer、双塔模型等
匹配度报告
68
综合匹配度
丝芙兰数据科学家，前沿AI技术栈，高成长性，但现场办公且WLB一般。
适合人群
适合追求技术成长、愿意投入的求职者，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值60
薪资福利匹配
80较高
薪资处于市场高端，大平台福利好，但未明确具体薪资结构。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
技术栈前沿（LLM、推荐系统），有丰富的成长机会，但未明确提及培训或晋升。
技术前沿前沿/新兴技术
技术栈LSTM、Transformer4Rec、NLP、LLM、MLOps、Kubeflow、PySpark、NVTabular
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作或WLB信号，上海通勤压力较大。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
美妆零售行业稳定，公司使命强调包容与赋能，但社会影响力一般。
行业发展稳定成熟行业
社会影响中性/一般
使命信号belong to something beautiful、community、empowerment
创新程度积极采用新技术
Watch Jobs