岗位描述
职位描述该岗位负责为实验室解决方案设计、验证并产品化定制机器学习和深度学习模型。数据科学家将把科学工作流程中的挑战转化为严谨的建模问题，开发适合用途的算法，建立可辩护的评估方法，并与产品、软件、应用科学、质量和现场团队合作，交付可靠的 AI 赋能能力。重点在于面向实验室数据和科学工作流程的实用模型开发——而非 LLM 或基础模型专精。优先用例可能包括色谱和质谱数据分析、图像分析、异常检测、模型辅助审核和工作流程智能。主要职责将 AI 产品需求、客户工作流程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。为实验室生产力用例设计、训练、验证和优化定制 ML/DL 模型，例如色谱、质谱、图像分析、异常检测和模型辅助审核。为科学数据选择并适配合适的架构，包括卷积、分割、时序、图基、多模态或物理信息方法（在适用时）。构建可复现的建模工作流程，涵盖数据整理、标注策略、真值定义、特征工程、质量检查、训练、评估和文档。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、验收标准和证据包，以支持科学和产品决策。与软件工程团队协作，将原型转化为可产品化的能力，涉及模型接口、推理工作流程、API、性能约束、部署模式和生命周期需求。确保模型输出科学有效、可解释、可复现，并与客户工作流程预期一致。记录假设、数据集、实验、结果、局限性、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。关注应用 AI/ML 研究进展，并有选择地评估能够改善实验室数据分析、自动化和工作流程智能且具有明确实际部署价值的方法。任职资格任职资格数据科学、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硕士或博士优先。至少 5 年机器学习、深度学习、数据科学或科学计算相关行业或应用研究经验；高级学位研究经验可考虑。具备扎实的 Python 实操经验，熟悉常用 ML 库和科学计算工具，如 PyTorch、TensorFlow、scikit-learn、NumPy、Pandas 或同等框架。对 ML/DL 基础有扎实理解，包括模型选择、训练策略、验证设计、优化、评估指标和误差分析。能够将模糊的科学或产品问题结构化为可检验假设、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、化学计量学或面向科学数据的相邻方法方面具备扎实的定量基础。熟悉可复现 ML 实践，包括实验跟踪、数据可追溯性、模型版本管理、技术文档以及与软件工程团队协作。流利英语和较强沟通能力，能够进行技术文档撰写、实验评审并与全球利益相关方协作。优先经验在实验室、生命科学、分析仪器、科学工作流程或面向客户的产品环境中具备应用 AI/ML 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等领域。有将先进模型架构适配到噪声大、有限、异构、不平衡或依赖仪器的科学数据集的经验。有提升模型稳健性、可解释性、不确定性处理或真实运行条件下性能一致性的实践经验。有将模型从概念验证推进到落地的经验，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 辅助软件开发工具者优先，但并非核心要求。附加信息该职位为全职每周工作制。我们的薪酬范围由岗位、级别和