智能算法产品事业部-大数据研发工程师-特征工程

负责电商搜索、推荐等核心算法场景的特征数据体系建设，从特征挖掘、价值评估、平台化运营到智能化推荐，构建端到端的特征工程能力，并通过特征血缘、质量度量等手段实现特征资产的精细化运营管理，持续提升算法团队的特征供给效率与模型效果上限。 1. 特征数据体系设计与价值挖掘 a.深入理解电商搜索、推荐等核心场景的算法模型需求，主导用户行为序列、用户画像、商品/内容侧特征等体系的规划与建设； b.基于业务理解与数据挖掘方法，持续挖掘高价值特征，拓展特征空间，提升模型效果天花板； c.建立单特征价值评估方法论，通过特征重要性分析、模型增益评测、A/B 实验等手段量化特征价值，指导特征迭代方向。 2. 特征Agent开发 a.基于 SQL 语义解析提炼数据意图，实现已有特征与数据需求的智能匹配； b.探索并落地 LLM 等大模型技术在特征语义理解、需求解析与智能推荐中的应用，实现特征发现的自动化与智能化； c.基于LLM设计特征知识库，实现特征元数据、业务语义、使用案例等知识的自动化沉淀与持续维护； 3. 特征治理与质量度量 a.构建特征质量评测体系，从完整性、准确性、时效性、稳定性等维度定义并监控特征健康度；建立特征质量度量指标体系，持续运营并提升整体特征资产健康度。 b.牵头存量特征资产的盘点与治理，识别低质、冗余、废弃特征，并推动算法团队完成特征替换与升级； c.沉淀可复用的特征资产，解决特征重复开发、口径不一致、难以发现等痛点，推动特征在中台层面的共享与复用； 4. 特征血缘与影响面分析 a.构建特征血缘追踪能力，打通特征从离线开发、实时计算到线上模型 inference 的全链路； b.建设特征与线上模型的关联分析能力，支持单特征的下游影响面评估（如特征下线前的模型依赖分析）； c.基于血缘数据驱动特征治理决策，降低特征变更对线上业务的潜在风险。 【任职要求】 1.计算机、软件工程、数据科学、统计学等相关专业本科及以上学历； 2.2年以上大数据开发、特征工程或算法工程相关经验，有电商搜索推荐场景的特征体系建设经验优先； 3.精通 Spark/Flink 等大数据计算框架，具备大规模实时与离线特征开发经验；具备数据挖掘能力，能基于业务洞察挖掘高价值特征； 4.熟悉特征工程体系，熟悉特征价值评估方法（如特征重要性、SHAP、模型增益分析等）；了解 Feature Store 架构与实践经验； 5.熟悉 LLM 应用开发，有基于大模型构建数据推荐、SQL 语义解析、智能问答等系统的经验优先。