济南科技项目申报专员
科技项目申报专员通常负责协助团队编写、提交和管理科技项目申报。他们可能负责收集申请材料，确保符合申请要求和标准，整理相关文件和资料。此外，他们可能协助撰写项目提案，对项目文件进行审查和修改，以确保准确完整地呈现项目内容。科技项目申报专员通常需要与各种部门和团队合作，以收集所需信息并保证申请材料的完整性。他们也可能需要与外部机构或机构合作，了解并遵循申请流程和要求，以确保项目申请的成功性。除此之外，他们也可能协助监督项目的进展和符合申请所要求的条件。
薪酬概览
平均月薪
¥7400
中位数 ¥7500 ｜ 区间 ¥5700 - ¥9100
数据来源：谈职全网13份招聘数据；更新时间：2026年7月13日
月薪分布
76.9% 人群薪酬落在 0-8k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
1月新增岗位
9
对比上月：岗位减少9
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 6 | 25% |
| 1-3年 | 12 | 50% |
| 不限经验 | 6 | 25% |
热招职位
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1. 参与临床项目策略和方案的讨论确定；
2. 参与依据批准的方案，制定所负责项目的项目管理计划和预算草案；
3. 负责或参与做好临床项目的启动，协调督促各中心伦理上会、合同签署、科室启动等入组前准备工作；
4. 参与组织各类会议，包括不限于问题和策略讨论会、临床布置会、总结会、方案讨论会等，并做好会议落实工作；
5. 协助项目运营的日常协调管理，协调各环节衔接、保证项目进度，并确保临床试验符合；
6、完成领导交办的其他工作。
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1. 参与前端项目的前期需求分析，与产品、模型端、后端协作，明确功能目标和技术实现方案。
2. 负责前端系统架构设计、模块划分，制定开发计划和技术文档。
3. 使用Vue、TypeScript等完成业务页面和组件的开发，保证代码可读性、可维护性和性能。
4. 对前端性能进行监控和优化，保证页面加载速度、交互流畅度和兼容性。
5. 根据业务需求，完成API对接、SSE/WebSocket实时通信、文件上传下载等功能的开发与集成。
6. 负责PC端与H5端多端适配，保证在不同设备和分辨率下的良好体验。
7. 参与AI相关功能的前端开发，如大模型流式输出展示、AI对话界面、智能辅助决策等，提升人机协作体验。
8. 具备前后端联调能力，能参与接口设计、数据库设计或Node中间层开发，协助前后端联调与问题排查。
1、AI智能体设计与开发 负责公司AI智能体（Agent）的设计、开发与运维，搭建自动化业务流程，提升业务运行效率。
2、AI门户建设与运营 主导公司AI应用门户的规划与建设，整合内外部AI能力，打造统一的AI服务入口，持续优化用户体验。
3、垂类模型应用落地 结合制药行业业务场景，探索并落地垂直领域AI模型应用，包括但不限于文档智能、质量分析、工艺优化等方向。
4、数据中台与知识库建设 负责公司数据中台架构设计与建设，推进知识库体系的构建、管理与持续运营，支撑数据资产化与智能化应用。
1.聚焦MST细胞培养相关实验设计、方案优化及落地执行，参与上市后生物大分子药物细胞培养工艺的技术迭代与优化工作，配合开展供应商相关技术对接，推动新技术、新方法在细胞培养环节的探索与应用。
2.通过上游工艺现场排查及研发、生产环节工艺数据分析，挖掘细胞培养工艺提升潜力，协调内外部技术资源，制定工艺优化实验方案并推进实施，助力产品质量与生产效率提升。
3.持续跟踪上游细胞培养工艺领域前沿技术进展，结合公司实际发展需求，开展新技术、新方法的探索与调研，做好技术总结与理念宣贯，提升团队技术认知与应用能力。
4.负责细胞培养相关实验方案、技术报告、工艺总结等资料的撰写与完善，配合完成相关申报资料的编制、整理工作，确保各类资料规范、准确、完整。
1、模型开发与迭代：针对培养基优化、细胞培养参数预测、纯化条件推荐、制剂稳定性预测等场景，设计并实现ML模型；负责数据预处理→特征工程→模型选型与训练→交叉验证→超参数调优的全流程；把算法模型封装为内部可用工具。
2、可复用Pipeline建设：编写可复用的ML Pipeline代码，建立模型版本控制与实验追踪机制；
3、模型可解释性：在工艺科学家配合下进行SHAP/LIME等可解释性分析，确保模型输出对工艺人员可理解；
4、工具链与基础设施：搭建和维护团队模型训练与推理环境；开发面向AI Champion的轻量分析工具（Streamlit/Gradio应用），降低AI使用门槛；
5、跨板块技术支持：为AI Champion提供模型使用培训和技术答疑；协助各板块进行数据分析与可视化的quick win项目，快速建立信任；
6、文档与知识沉淀：编写模型开发文档和使用手册，定期组织内部技术分享，维护团队代码仓库和技术Wiki。
7、负责接口开发、可视化后台、实验数据自动导入、SHAP可解释性模块开发、软件开发。
1、负责大模型训练平台的结构设计、核心模块开发与性能优化，支持大规模分布式训练任务；
2、参与数据集的构建、清洗、预处理以及高效存储方案设计，确保数据质量与训练效率；
3、实现模型微调全流程工具链使用，包括参数配置、训练策略优化及资源调度；
4、开发模型验证与评估系统，设计自动化测试框架，确保模型效果符合业务需求；
5、跟踪大模型技术前沿，探索高性能计算、显存优化等关键技术落地。
1、负责药物研究院研发信息化需求的调研，对接集团研发信息化项目在药物研究院的落地管理及功能推广；
2、跟踪行业内AI技术的最新发展动态，评估新技术在医药研发中的应用潜力，并推动技术落地；
3、与研发团队紧密合作，深入了解研发需求，负责AI模型的开发与训练，将AI技术融入研发流程，提升研发效率和精准度；
4、开发和维护研发相关的AI软件系统和平台，提供稳定的技术支持；
5、协助研发团队处理和分析海量的研发数据，包括合成化学数据、临床试验数据、药物分析数据等，确保数据的质量和可用性。
1、主导大模型选型、微调策略与训练框架设计
2、搭建模型评测体系，持续优化模型性能与业务适配度
3、优化模型推理性能，实现低成本、高效率的模型部署
4、跟踪前沿技术（如多模态、Agent、RAG），规划技术演进路线
1、负责AI能力的前端交互与后端服务开发，将算法能力封装为可落地的业务应用
2、开发AI办公门户、智能聊天界面、AI能力市场等系统的功能模块
3、对接大模型API、向量数据库、知识图谱等底层服务，实现端到端AI功能闭环
4、优化前端AI交互体验（流式输出、打字机效果、Markdown渲染、会话管理）
1、外贸订单的备货安排及与工厂的协调跟进；
2、出口订舱物流安排及出口报关、运输单据及银行议付单据的制备等，保险、结汇等其它相关工作。
3、针对交货及单据与国外客户的通知交流等。
财险山东-理赔部-车物审核岗（商用车方向）7K-10K元/月
1.负责按要求进行车险理赔商用车核价、核损集中处理，保证处理质量与时效;
2.对日常核价、核损处理中发现的疑难问题，及时沟通、解决、反馈、总结，并提出优化核价、核损流程和提高作业标准化的意见和建议
3.权限内商用车案件配件逻辑关系、品质及其对应价格的审核
4.定期对审核案件的整体情况进行分析，并对因业务承保端的疏漏导致后期理赔问题定期向业务前端反馈
5.对全系统理赔人员进行商用车理赔技能培训及指导。
