数据科学实习生（运动传感器 / AI 运动智能方向，可转正） 关于 Striv Striv 正在打造下一代 AI 运动教练（AI Movement Agent） 通过传感器采集运动数据，结合 AI 分析用户的运动方式，提供个性化训练反馈，帮助用户提升表现并降低受伤风险。 这个岗位将参与 Striv 核心数据科学能力建设，把真实世界中的运动传感器数据转化为可建模、可验证、可上线的个性化运动智能系统。 岗位职责 参与运动传感器时间序列数据建模，包括IMU、压力、步态、跑步和训练过程数据； 参与核心运动指标与用户状态建模，例如稳定性、疲劳趋势和异常变化； 探索个体化建模方法，学习不同用户在不同设备、速度、场景和运动状态下的基准线和长期变化； 参与机器学习建模工作，包括特征工程、序列建模、异常检测、趋势预测、用户分层、表示学习等方向； 参与模型评估与验证体系建设，设计实验、对比模型版本、分析误差来源，判断算法变化是否真正提升产品效果； 与算法、固件、客户端、后端和产品团队协作，将数据科学模型和指标逐步落地到真实产品功能中。 岗位要求 本科及以上在校生，计算机、人工智能、数据科学、统计、电子工程、生物医学工程、运动科学等相关专业优先； 熟悉 Python，能够使用 pandas / numpy / scipy / sklearn / matplotlib 等工具完成建模、实验和结果分析； 具备机器学习、统计建模或时间序列建模基础，理解训练集 / 测试集划分、过拟合、分布偏移、噪声、弱标签等问题； 对传感器数据、可穿戴设备、运动健康、智能硬件或 AI 产品有强兴趣； 具备较强的问题抽象能力，能够从真实、复杂、不完美的数据中提出建模假设，并通过实验验证； 有良好的代码习惯、学习能力、沟通能力和自驱力，能够独立推进数据科学实验并清晰表达结论。 加分项 有时间序列建模、异常检测、个体化建模、表示学习、预测模型或风险评分相关经验； 有 IMU、压力传感器、PPG、IoT、可穿戴设备或运动数据建模经验； 了解步态分析、运动生物力学、跑步指标、运动表现评估等方向； 有 PyTorch / TensorFlow / JAX 等深度学习框架经验； 有真实项目中的模型训练、特征工程、实验设计、模型评估或离线验证经验； 热爱运动，愿意参与跑步、训练、测试采集等真实运动场景。 投递要求 每周到岗 4–5 天，实习 3 个月及以上，优先长期实习，可转正。