技能要求

• 编程与 AI 工具： 熟练掌握 SQL，并根据目标岗位掌握 Python；熟悉 Pandas、NumPy 等数据处理工具，以及 ChatGPT、GitHub Copilot、Cursor 等 AI 辅助工具。

• 数据处理与分析： 掌握数据清洗、数据转换、探索性数据分析（EDA）及数据质量控制；具备结构化及非结构化数据处理能力。

• 数据库： 熟练掌握 SQL 及 MySQL、PostgreSQL 等关系型数据库；了解 MongoDB 等 NoSQL 数据库。AI 方向可进一步掌握向量数据库及 Vector Search。

• 大数据与云计算： 了解 Spark、Databricks、Snowflake、AWS、GCP 等主流大数据及云计算平台，根据目标岗位进一步深入。

• 数据可视化： 熟悉 Tableau、Power BI、Looker 等工具，能够通过 Dashboard 和 Data Storytelling 将数据转化为业务洞察。

• 统计与机器学习： 掌握统计分析、回归、假设检验、A/B Testing 等方法；根据目标岗位进一步学习分类、聚类、预测及机器学习模型。

• Generative AI（生成式 AI）： 了解 LLM、Prompt Engineering、Embedding、RAG、Vector Search 等核心技术；AI/ML 方向可进一步学习 Fine-tuning、AI Agents、Model & LLM Evaluation 等。

• 数据管道与软件开发： 了解 ETL/ELT、数据仓库、数据 Pipeline 及基本的软件开发生命周期（SDLC），能够利用 AI 工具辅助开发、测试和数据处理。

• MLOps： 了解模型部署、监控、版本管理及 CI/CD 等基本概念。

• 数据安全与 AI 框架： 了解数据隐私、数据安全及 GDPR、CCPA 等基本合规要求；熟悉 LangChain、LlamaIndex 等 AI 应用开发框架。