1.数据建模与挖掘：

负责海量数据的清洗、特征工程、模型构建与优化，解决业务场景中的分类、回归、聚类、推荐等问题。

应用机器学习（如XGBoost、LightGBM）、深度学习（如CNN/RNN/Transformer）或图算法（如GNN）提升模型效果。

2.算法落地：

将算法模型部署到生产环境，与工程团队协作完成性能优化（如分布式计算、模型压缩）。

3.业务支持：

深入业务场景（如广告推荐、风控、用户画像），通过数据挖掘发现潜在规律，输出可落地的解决方案。

4.前沿探索：

跟踪AI领域最新进展（如大模型、AutoML），推动技术创新。