主要职责

1. 负责非侵入式脑信号（EEG、fNIRS、MEG等）的数据清洗、质量评估、噪声分析与标准化预处理流程的建立与优化。

2. 运用统计学方法，构建并持续维护脑信号数据质量常模，建立自有的自动化质检标准和评估体系。

3. 为算法团队提供经过严格质量控制、标注清晰的数据集，并协助定义数据需求与质量标准。

4. 开展数据探索性分析，提取信号质量指标，撰写数据质量报告，为算法开发与模型评估提供数据层面的洞见与建议。

5. 若有fMRI数据处理经验，可参与多模态数据的质控对齐与融合支持工作。

6. 负责数据预处理流程的文档化、工具化与部分自动化，提升团队数据处理的效率与一致性。

任职要求

基本要求：

1. 硕士及以上学历，计算机、生物医学工程、信号处理、神经科学、统计学、应用数学等相关专业。

2. 熟悉至少一种非侵入式脑信号（EEG/fNIRS/MEG）的数据特性、预处理流程与常见伪迹去除方法。

3. 具备扎实的统计学基础，熟悉假设检验、回归分析、方差分析、贝叶斯方法等，有实际构建常模或基准模型的经验者优先。

4. 熟练使用Python进行数据分析与算法开发，熟悉NumPy、SciPy、pandas、scikit-learn、MNE等常用库。

5. 具备优秀的理解与执行能力：能够清晰理解工作目标，并在复杂数据环境中坚定推动任务完成；善于从数据特性、统计原理及工程实践等多角度思考问题，主动提出创新、务实的数据解决方案。

6. 具备系统性思维：能够理解数据处理全链路中各环节的相互影响，从整体流程角度设计解决方案，建立可扩展、可持续的数据质量控制框架，而非仅解决孤立问题。

7. 具备优秀的逻辑思维与问题解决能力，能够独立设计并执行数据质量评估方案。

8. 注重细节，对数据质量有高度的敏感性和责任感。

加分项：

1. 有fMRI数据处理或多模态脑信号质控对齐经验。

2. 熟悉脑电分析工具链（如MNE-Python、EEGLAB、FieldTrip等），并具备一定的流程封装或工具开发能力。

3. 了解机器学习/深度学习基本概念，能够从数据质量角度为模型训练提供支持。

4. 有构建自动化数据质检流水线或数据质量标准的相关经验。

5. 在神经科学、心理学等相关领域发表过数据处理或统计方法相关的论文。

6.具备良好的跨团队沟通能力，能够清晰地向算法工程师和研究员传达数据特性与质量评估结果。