【实习时间】尽快入职 【实习工资】税前140元/天 【实习时长】3个月或以上，每周5天 【工作地点】上海 方向1- AI数据处理实习生 【职责描述】 1) AI数据提取与Pipeline优化：负责构建和优化基于大语言模型（LLM）的复杂数据提取流水线，针对海量金融文档（含财报、研报、OCR解析后的非结构化文档等）进行深度挖掘与结构化处理。 2) Prompt工程与模型效果调优：主导高级Prompt Engineering工作，持续分析并解决数据流转中的召回问题，不断提升AI系统的数据输出精度。 3) 数据架构与底层支持：协助设计和优化数据仓库及数据库Schema，搭建并维护符合金融行业标准（如申万、GICS分类）的行业分类体系；能够熟练应用相关工具进行海量文本和文档的高效存储与检索。 4) 跨团队协作与业务转化：深入理解银行业务合规及金融产品需求，将复杂的业务逻辑转化为清晰的技术和数据处理方案；与前后端研发团队紧密对接，保障数据产品的高效交付。 【技能要求】  教育背景：计算机科学、金融工程、统计学、数学或相关专业本科及以上学历。  岗位关键技能：熟练掌握Python编程，精通SQL编写，能够高效进行数据库查询、多表关联计算与复杂数据处理。具备敏锐的数据嗅觉与寻源能力，能独立从多渠道挖掘和收集业务所需数据；精通数据的交叉验证与清洗质检，确保大模型输入/输出数据的准确性与可用性。具备扎实的Prompt调优经验，对大模型在垂直领域的落地应用有深刻理解和实战经验。熟悉海量文本和文档的高效存储与检索，了解大规模爬虫策略；对OCR文档处理及结构化解析流程有实际操作经验。  行业认知：对量化金融、投资银行流程有浓厚兴趣或一定了解；熟悉常见的财务指标及金融数据分析方法者优先。  综合素质：能够站在用户和客户的角度思考问题；出色的逻辑思维与沟通表达能力。 方向2-模型研发实习生 模型研发组致力于构建面向金融与产业场景的智能模型体系，融合数据工程、机器学习与大模型能力，持续提升数据价值转化效率，为业务决策与风险管理提供高质量的量化支持。 【职责描述】 1) 模型开发与体系建设：参与金融、行业分析及 ESG 等多主题模型的开发与优化工作，涵盖机器学习模型、因子模型， 等多维模型；协助完成模型训练、参数调优、指标筛选，特征工程，效果评估及验证分析，推动模型在实际业务场景中的应用落地。 2) 大模型调优与智能应用：参与基于大语言模型（LLM）工作，围绕业务需求对模型输出进行系统性调优与效果评估，提升模型在结构化与非结构化数据处理中的准确性与稳定性。 3) 数据处理与质量管理：参与数据 ETL 流程的设计与执行，负责数据清洗、缺失值处理及异常值识别；建立并优化数据质量校验机制，保障模型输入数据的完整性、一致性与可靠性。 4) 数据建模与数据仓库支持：参与数据仓库及数据模型建设工作，协助设计与维护维度表、事实表等核心数据结构，提升数据组织效率与数据服务能力，为模型开发提供稳定、高质量的数据支撑。 5) 跨团队协同与业务转化：深入理解金融及行业业务逻辑，将业务需求转化为可执行的数据与模型方案；与数据、产品及业务团队紧密协作，支持模型及数据产品的高效交付与持续优化。 【技能要求】  教育背景：统计学、数学、计算机科学、金融工程等相关专业本科及以上在读。  技术能力：对大语言模型具备基础了解，熟练掌握 Python 编程及常用数据分析工具（如 Pandas、NumPy、Scikit-learn 等），具备扎实的 SQL 编写能力，能够独立完成数据处理、分析及基础建模工作。  建模基础：具备机器学习基础知识（如回归、分类模型等），理解基本建模流程（特征工程、模型训练与评估）；对因子模型或 ESG 评分体系有一定认知者优先。  数据工程基础：了解数据 ETL 流程及数据清洗方法，具备基本的数据质量控制意识；熟悉数据仓库相关概念（如维度建模、事实表设计）者优先。  加分条件：具备大语言模型（LLM）应用或 Prompt Engineering 经验；熟悉金融数据、企业数据或 ESG 数据体系；有实际建模或数据分析项目经验。  综合素质：具备良好的逻辑分析能力与问题拆解能力，能够在技术与业务之间进行有效沟通；责任心强，学习能力突出，具备良好的团队协作意识。