【工作职责】 1.探索和落地大数据领域Agent和AIOps技术风险领域的前沿技术和应用场景，包括智能问答、推理分析、容量规划、数据治理、业务诊断、风险预测等，并将研究结果应用到数据平台和数据业务领域，不断推动服务能力升级。 2.整合多源异构数据来源，构建数据基座，结合传统AI算法和LLM，设计和实现Agent或传统AIOps架构。 3.解决算法工程化的问题，包括端到端应用算法解决方案、模型优化和在线模型更新、场景仿真实验和调优等。不断提升各应用场景的召回率和准确率。 【任职要求】 1.有大数据和技术风险领域的经验，深入原理并有相关场景的大规模实践 2.熟悉机器学习/深度学习算法（如 LSTM、GNN、异常检测算法等），熟练掌握数据ETL流程、PyTorch / TensorFlow 及 MLOps 生产工具链 3.熟悉并落地如下1个或多个领域的经验： a). 大规模云平台的资源分配、调度优化和中长期资源规划：运用需求预测、运筹优化等方法，解决大规模混部环境的资源管理和技术风险问题，突破传统策略的瓶颈。 b). 技术风险领域的时序预测、异常检测、定位诊断场景：比如基于预训练的半结构化日志深度分析，故障因果关联推断分析，分布式场景下复杂调用关系的异常来源定位等。 c). 智能问答：熟悉chatOps，智能客服等相关领域。并结合LLM，实现多个智能体的整合 d). 其他类似的Data+AI领域，并且有一定规模实际场景的落地效果。