实验室数据分析工程师（Python + 可视化应用）

岗位职责：
1.    负责化学实验自动化场景的数据采集结果分析，包括实验记录、仪器/传感器数据、过程数据等；
    2.    使用 Python 完成数据清洗、特征提取、统计分析、异常检测、趋势分析及分析报告输出；
    3.    构建面向业务的实验数据指标体系（例如：良率、稳定性、重复性、漂移、噪声、异常点、批次差异等）；
    4.    开发实验数据可视化展示界面（Dashboard/数据看板），支持实验过程回放、对比分析、异常定位等；
    5.    参与数据管道建设（ETL/数据入库/数据查询接口），提升数据可追溯性与分析效率；
    6.    使用 AI Coding 工具（如 Claude / Cursor / Copilot 等）加速开发效率，并能对生成代码进行工程化改造、测试与交付；
    7.    与实验、自动化、算法团队协作，理解实验流程与设备数据含义，把分析结果产品化。
任职要求（核心能力）：
1.    本科及以上学历，计算机/自动化/化学工程/统计等相关专业；
    2.    熟练使用 Python 进行数据分析：pandas、numpy、scipy、matplotlib/plotly 等；
    3.    有较强的数据处理能力：缺失值处理、异常值检测、数据对齐（时间序列）、批次/实验条件分组对比；
    4.    有数据可视化及应用开发经验，至少掌握以下一种：
    •    Streamlit / Dash / Gradio
    •    FastAPI + 前端（React/Vue/ECharts）
    •    Jupyter/Voila 数据产品化
    5.    熟悉 SQL（MySQL/PostgreSQL/ClickHouse 等）或MongoDB等NoSQL数据存储/查询；
    6.    具备良好的工程能力：代码结构清晰、可维护、能写测试、能做版本管理（Git）；
    7.    具备 AI Coding 工作方式：能清晰描述需求、拆解任务、验证结果、修复生成代码并落地交付。

有以下经验者优先：
    1.    有实验室/仪器/化学相关数据经验：HPLC/GC/MS/UV、天平、温控、压力、流量、泵阀等；
    2.    熟悉实验自动化/实验执行系统（如 LIMS、ELN、实验流程系统）或实验机器人；
    3.    熟悉 MongoDB Aggregation Pipeline（$match / $group / $lookup / $unwind / $facet 等），能完成统计分析与报表输出；
    4.    有基础机器学习经验（sklearn、聚类、分类/回归、异常检测等）；
    5.    有数据平台/BI 经验（Superset、Metabase、Grafana 等）；
    6.    有 Unity/3D 回放或数字孪生数据展示经验。
关键产出：
    1. 交付实验数据分析脚本/模型，用于解释实验表现与异常原因；
    2. 交付实验数据 Dashboard：实验运行趋势、关键指标、异常定位；
    3. 建立实验数据标准化处理流程（ETL/指标体系/分析模板）；
    4. 支持实验团队快速定位问题，减少试错与重复实验成本。