The posting
- 把增长、产品或医药业务问题拆成决策任务,明确数据、知识、可调用工具、输出格式、评测标准与人工复核点。
- 使用 Python、SQL、统计与机器学习方法处理数据,并结合 LLM、RAG 或 Tool Calling 构建分析 Agent、数据 Copilot 或决策助手原型。
- 构建提示词、工具接口、数据语义与小型评测集,测试数值准确性、事实一致性、权限边界、证据追溯和异常输入。
- 参与实验、因果分析或预测任务,将可靠结果接入真实工作流,跟踪业务采用、错误反馈与实际增量。
1. 在读本科生、硕士生或博士生,统计、数学、计算机、人工智能、数据科学、经济、公共卫生等相关方向均可。 2. 熟练使用 Python 与 SQL,能够完成可复现的数据处理、建模、实验和结果验证。 3. 具备概率统计、机器学习、假设检验和回归分析基础,理解训练验证划分与实验设计原则。 4. 理解 LLM 与 Agent 的基本机制,使用过模型 API、RAG、Tool Calling 或工作流编排中的至少一种,并能展示完整项目。 5. 重视数据质量、评测与复现,能清晰表达证据和不确定性;可保证稳定实习投入。 加分项 - 做过 Agentic Analytics、NL2SQL、数据 Copilot、RAG、智能决策或面向真实用户的 AI 数据产品。 - 有 A/B 实验、因果推断、推荐/广告、预测优化、数据竞赛或论文复现经历。 - 有医药、公共卫生、真实世界数据或行业知识工程项目经验,并能展示从评测到业务采用的证据。



