南京数据统计专员
数据统计专员是负责收集、整理、分析和解释数据的专业人员。他们负责通过收集数据、设计和实施调查、使用统计软件进行数据分析、汇总和编制统计报告以及其他相关工作，帮助组织进行数据驱动决策。在日常工作中，数据统计专员需要准确理解业务需求，确保数据的准确性和可靠性，并提出合适的数据处理和分析方法。他们需要具备良好的数据处理和分析能力，熟练掌握统计软件和数据可视化工具，以及良好的沟通能力和团队合作精神。数据统计专员在各行各业都有需求，特别是在市场营销、金融、医疗健康等领域。他们的工作对于组织做出准确决策和发展战略具有重要意义。
薪酬概览
平均月薪
¥5700
中位数 ¥5500 ｜ 区间 ¥4800 - ¥6500
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
100% 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
11月新增岗位
6
对比上月：岗位减少0
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 | 50% |
| 不限经验 | 6 | 50% |
热招职位
1.负责探索大模型数据合成增强算法、数据蒸馏模型、强化学习等前沿数据工程技术；
2.负责开发数据合成工具，数据清洗Pipeline核心算法开发，实现大规模数据的智能清洗、分类与质量评估；
3.负责高质量数据集的构建，能够结合不同行业应用场景，制定结构化、可落地的数据标注规则与规范，负责数据整理与标注；
4.支持项目经理和产研团队的相关工作，理解项目需求、模型表现和相应的数据实验，协同提高模型质量。
1.负责辅助数据分析报告的制作；
2.负责辅助进行报告模板的修改工作；
3.负责部门相关工具链辅助开发工作；
4.负责DMS产品数据的采集；
5.负责产品数据标注、预处理脚本优化；
6.辅助数据分析报告的制作、修改等工作；
7.负责支持部门其他相关工作安排。
负责终端嵌入式软件系统开发，完成操作系统裁剪、驱动适配及中间件移植；开展检测模型的端侧部署优化与推理加速，开发农机通信接口协议及数据上传功能；负责终端与农机装备的联调测试，支撑终端产品化迭代
工作职责
1、识别业务领域交付项目全生命周期内的业务痛点，协助完成业务领域内的业务需求分析和方案设计；
2、参与业务主航道系统应用核心模块的编码工作，遵循代码规范和开发流程，提供技术培训及响应支持；
3、参与业务提效工具应用设计开发及落地工作，在项目一线完成端到端的工具开发落地，支持项目提效和质量改进；
4、参与业务各类应用产品手册、需求文档、设计文档等编写任务，配合产品、测试、运维等团队解决跨部门沟通中的技术问题；
5、参与业务领域AI及智能体的设计开发任务，协助团队将核心算法转化为可落地的工程代码，基于业务场景完成模型开发，实现应用落地；
6、参与业务数据处理流程搭建，包括数据治理，数据清洗、格式转换、报表开发等，保障模型训练数据的质量，支撑各类应用开发；
7、参与业务各类模型训练、调参和性能评估等任务，探索模型压缩、分布式训练、边缘部署方案等技术，持续提升团队AI技术栈水平。
任职要求
1、计算机、软件及人工智能等相关专业，本科及以上学历；
2、性格开朗，乐于沟通表达，富有责任心，重视团队协作，抗压能力强，有项目落地经验优先；
3、掌握至少一门编程语言或框架，如：Java，Python（AI方向需熟练掌握），SpringBoot，VUE，Django等；
4、了解常用的数据库基础，掌握SQL语句编写，熟悉数据库性能优化方法更佳；
5、了解常见的应用工具开发技术，具备相关应用开发经验更佳；
6、了解软件应用中的需求分析，产品方案设计，原型UI设计等技能，掌握设计工具基本用法；
7、了解至少一种深度学习框架。如：PyTorch，能独立搭建、训练和评估基础模型，对大模型的应用场景有自己的见解。
工作职责
1、识别业务领域交付项目全生命周期内的业务痛点，协助完成业务领域内的业务需求分析和方案设计；
2、参与业务主航道系统应用核心模块的编码工作，遵循代码规范和开发流程，提供技术培训及响应支持；
3、参与业务提效工具应用设计开发及落地工作，在项目一线完成端到端的工具开发落地，支持项目提效和质量改进；
4、参与业务各类应用产品手册、需求文档、设计文档等编写任务，配合产品、测试、运维等团队解决跨部门沟通中的技术问题；
5、参与业务领域AI及智能体的设计开发任务，协助团队将核心算法转化为可落地的工程代码，基于业务场景完成模型开发，实现应用落地；
6、参与业务数据处理流程搭建，包括数据治理，数据清洗、格式转换、报表开发等，保障模型训练数据的质量，支撑各类应用开发；
7、参与业务各类模型训练、调参和性能评估等任务，探索模型压缩、分布式训练、边缘部署方案等技术，持续提升团队AI技术栈水平。
任职要求
1、计算机、软件及人工智能等相关专业，本科及以上学历；
2、性格开朗，乐于沟通表达，富有责任心，重视团队协作，抗压能力强，有项目落地经验优先；
3、掌握至少一门编程语言或框架，如：Java，Python（AI方向需熟练掌握），SpringBoot，VUE，Django等；
4、了解常用的数据库基础，掌握SQL语句编写，熟悉数据库性能优化方法更佳；
5、了解常见的应用工具开发技术，具备相关应用开发经验更佳；
6、了解软件应用中的需求分析，产品方案设计，原型UI设计等技能，掌握设计工具基本用法；
7、了解至少一种深度学习框架。如：PyTorch，能独立搭建、训练和评估基础模型，对大模型的应用场景有自己的见解。
1、负责搜索推荐业务的算法系统搭建和效果优化工作，持续提升广告推荐效果和收入 ；
2、通过模型结构优化、场景化特征（应用商店/信息流/联盟)挖掘、多目标多场景联合建模等手段优化模型预估性能，包括粗排、CTR、CVR等各个排序环节 ；
3、基于业务理解和数据分析挖掘优化方向，驱动模型算法持续迭代优化，熟练使用hadoop/hive/spark等大数据组件。
作为终端设备智能化升级的核心技术决策者，您需深度融合终端硬件能力与端侧AI技术，主导从芯片选型、系统架构到AI应用落地的全链路技术体系构建，推动终端设备在智能交互、实时决策等场景的竞争力突破。
1. 终端技术架构设计
定义终端设备（手机/机器人/车载系统等）的异构计算架构，统筹CPU/GPU/NPU算力分配，优化端侧AI推理性能（如延迟<50ms、功耗<1W）。
主导轻量化AI框架研发，支持TensorFlow Lite/MNN等引擎的定制化适配，解决模型压缩（如知识蒸馏、量化）与硬件兼容性问题。
2、 AI能力终端化落地
设计端云协同方案，划分云端训练与端侧推理边界，实现隐私保护下的实时AI功能（如语音唤醒、行为预测）。
攻关节能算法：开发动态电压频率调整（DVFS）、模型稀疏化等技术，平衡AI算力需求与终端续航。
3. 终端产品技术闭环
从硬件层（传感器选型、功耗优化）到应用层（AI Agent、多模态交互）全栈把控，确保技术方案与产品体验一致。
建立终端AI基准测试体系，量化模型精度（如mAP）、推理速度（FPS）等核心指标，驱动技术迭代。
4. 生态构建与商业化
联合芯片厂商（如高通/联发科）定制AI-ISP芯片，推动NPU算力密度提升与能效优化。
打造终端AI开发者平台，提供模型转换工具链、仿真测试环境，构建行业技术标准
1.研究学习汽车电子功能和功能安全测试技术，掌握HIL/台架/实车测试方法、流程和工具链使用；
2.负责整车功能和功能安全（含车身、娱乐、动力新能源、智驾、底盘各系统）开发、测试实施，进行问题分析定位和报告整理；
3.协助项目经理进行测试需求分析、测试方案制定、测试用例开发部分工作；
4.协助进行测试程序和脚本开发、调试工作，参与测试环境搭建和自动化测试实施；
5.协助部门主管和项目经理进行部分测试管理工作，包括测试计划、进度跟踪、客户沟通和问题整理工作。
1、负责芯片产品需求分析，各模块测试方案的构建，输出测试用例，通过测试流程和方法创新，努力提升测试的质量和效率；
2、负责自动化框架搭建及维护；
3、执行项目测试，构建测试环境，测试代码，测试脚本开发等；
4、负责产品的各个环节的测试质量，识别问题和风险，并提供解决方案和具体措施；
1、负责户用光储、工商业储能、分布式并网逆变器及储充系统的功率控制、能量管理、电能质量优化等核心算法设计、仿真建模、迭代优化与整机验证，支撑分布式产品算法体系搭建；
2、负责承接分布式光储产品算法层面技术难题攻坚与闭环，牵头并网控制、离网稳压、功率平滑、谐波抑制等算法优化迭代，完善产品算法开发与验证体系，保障产品并网稳定、性能达标；
3、负责国内外分布式并网标准、电能质量规范梳理对标，配合完成产品认证测试、算法适配整改、性能对标优化，输出标准化算法方案与验证报告；
4、负责分布式产品线光储产品新型控制算法预研、现有算法迭代升级与性能挖潜，支撑产品差异化竞争力提升。
一、测试执行：
按项目计划及客户要求，完成驻厂现场硬件系统测试、整车电气特性测试、热测试的全流程执行，独立把控测试进度。
负责整车冬季/夏季标定测试的现场操作与数据记录；
能够准确配置并使用整车测试设备、标定工具、热测试仪器，维护现场测试环境。
问题排查：
负责 DV 试验阶段的问题复现与初步排查定位，整理清晰的问题清单同步研发团队跟进。
记录测试过程中的偏差与异常，描述现象、发生条件、测量值偏差量，推动问题闭环。
二、文档与交付：
规范记录测试过程数据，按客户规范输出测试记录与初步测试报告。
整理标定测试结果、整车测试数据，确保数据可追溯，交付符合要求的测试文档。
三、客户对接：
对接客户现场需求，配合响应测试调整要求，保障项目整体进度。
遵守客户驻厂管理规范，维护公司驻场形象，保证履职稳定性。
1.大模型研发与优化：参与视觉语言模型（VLM）或视觉-语言-动作模型（VLA）在自动驾驶场景下的预训练、微调（SFT）及指令遵循能力优化。
2.量化算法实施：针对 Transformer/Diffusion 等架构，研究并落地先进的量化算法（如 PTQ、QAT、FP8/INT8/INT4 量化），确保模型在有限算力下保持精度。
3.算法端到端部署：配合工程团队，将复杂的感知或决策模型转化为高效的推理引擎，解决量化掉点、算子融合等实际问题。
4.前沿技术跟踪：调研并复现相关的顶会论文（CVPR, ICCV, NeurIPS 等），探索大模型在自动驾驶长尾场景（Corner Cases）中的应用。