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。



