當前位置:萬佳範文網 >

文祕 >崗位職責 >

電腦工程師崗位職責(通用13篇)

電腦工程師崗位職責(通用13篇)

電腦工程師崗位職責 篇1

1、日常信息化建設與維護;

電腦工程師崗位職責(通用13篇)

2、網絡設備監管;

3、服務器搭建、維護;

4、應用安全檢測與防火牆;

5、能獨立建設公司網絡架構;

6、有較強的溝通表達能力及責任心;

7、能承擔相應的保密職責;

8、行政、商務部分工作

電腦工程師崗位職責 篇2

1、對ERP及MES系統,在工廠運行有3年以上經驗;

2、熟悉SQL數據庫、ArcGIS、Linux、Windows、NET環境等安裝部署、升級、安裝調試、數據遷移、數據備份;

3、擅長MES項目的運維和技術支持。

電腦工程師崗位職責 篇3

1、熟悉系統軟件結構、硬件的配置,和電腦系統操作;

2、熟悉電腦硬件的安裝處理、及維修維護;

3、運用過SQL數據庫系統操作;

4、應答各客户電腦軟件、硬件使用提出的各種有關問題;

5、定期對電腦殺毒工作,定期建立各軟件版本備份,並註明標記;

6、熟悉公司各種軟件、各種版本的操作和測試。

電腦工程師崗位職責 篇4

1、處理解決公司信息化系統整體運行中的硬件問題;

2、公司IT資產的管理;

3、信息化辦公軟件的培訓;

4、執行對信息化設施設備進行日常維護、監測和故障排除;

5、新進人員各系統賬號的新建、設置和管理維護.

電腦工程師崗位職責 篇5

1、維護公司網絡,WIFI,音響設備的調試。

2.熟悉系統軟件結構和硬件的配置,掌握排除一般軟硬件故障的方法。

3.定期維護保養系統打印機工作站,並處理一般故障問題。

4.應答電腦使用部門提出的各種有關問題。

5.根據餐飲部提供的菜譜,輸入最新的菜價。

6.定期對電腦殺毒工作。

7.定期建立電腦系統數據備份,並註明標記。

8.觀察系統主機運行情況,控制機房温度和濕度。

9.掌握在緊急狀態下,系統的啟動及停機處理方法

電腦工程師崗位職責 篇6

1.配合團隊成員處理項目中所遇到的電子技術相關問題。

2.負責基於物聯網的電機各項參數遠程採集系統開發。

3.協助開發與維護遠程視頻+信號集中監控管理系統。

4.協助團隊成員完成電路原理圖繪製及PCB畫板的相關工作。

5.協助團隊成員完成單片機的嵌入式開發。

6.完成上級領導安排的研發任務和日常工作。

電腦工程師崗位職責 篇7

職責:

1、負責項目的需求調研,編寫相應的調研報告、業務需求方案;

2、負責項目業務需求分析,將業務需求轉化為功能需求,撰寫需求規格説明書;

3、在產品經理組織下,參與產品規劃和策劃;

4、對所負責項目或產品進行需求管理、跟蹤調研、原型設計;

5、向開發、測試、UI解釋業務需求,對實現需求進行驗收。

職位要求:

1、專科學歷以上,計算機、軟件工程相關專業優先;

2、2年以上產品設計、需求分析相關經驗;

3、能熟練使用Axure、墨刀等原型工具,獨立完成產品PRD、Demo及MRD等內容;

4、有很強的溝通表達能力和團隊合作精神,能承受一定的工作壓力;

5、有大數據、BI等相關產品或項目經驗者優先;

6、從事過JAVA開發、數據開發等工作經驗值優先;

7、熟悉審計業務者優先。

電腦工程師崗位職責 篇8

職責:

1、負責公司項目實施,涉及IBM 聯想 DELL 服務器和存儲硬件及相關係統的技術支持。

2、項目中的硬件安裝、調試、驗收工作。

3、定期參加工作中相關的服務規範和技術技能的培訓學習,並取得廠商認證資質;

4、服從公司對崗位的職業規劃;

5、和廠家技術部門保持緊密關係,瞭解廠商最新的技術動態;

6、向技術部主管彙報工作,跟蹤和挖掘客户需求,及時整理和上報。

崗位要求:

1、本科學歷,計算機相關專業優先。

2、 2年以上服務器維護工作經驗

3、熟練掌握知名品牌服務器軟硬件安裝、故障診斷與排除等硬件維修能力,如PC服務器、存儲等。(品牌:IBM、DELL、聯想、EMC、NETAPP等)、不要求全系列。

4、有良好的溝通協調能力,團隊合作精神。

5、具備學習及自我學習能力。

電腦工程師崗位職責 篇9

職責:

1、負責數據倉庫架構、元數據、數據質量、血緣分析等環節的設計與實現,構建可擴展的數據倉庫和分析解決方案;

2、負責將BI、運營、產品、客服等業務部門的需求抽象成數倉模型並落地;

3、負責參與智能用户畫像體系開發與建設;

4、負責數據工具、數據產品及其他數據需求的開發。

技能要求:

1、有數據倉庫需求調研和需求分析經驗,能根據業務需求設計數據倉庫模型,並對數據倉庫數據模型進行管理,保證數據質量,熟悉kimball架構;

2、精通sql開發,有較豐富的Hive sql性能調優經驗優先;

3、熟悉spark structured streaming、flink中至少一種流式處理計算框架,有相關開發經驗;

4、熟悉大數據存儲處理組件,包括但不限於Hive/HDFS/HBASE/presto/Druid/kylin/impala;

5、熟練掌握Linux各種命令行工具,良好的shell功底。

電腦工程師崗位職責 篇10

1、光學系統設計

o 主導公司光學成像的技術開發、核心技術突破與建設

o 負責項目中光學系統的模擬、設計、方案評估確定工作,系統仿真和雜散光分析

o 分析、解決光學模組(照明系統,相機鏡頭等)在開發中和量產中的相關問題

o 負責光學系統預研工作,制定產品的光學技術路線,支持產品線規劃工作

o 負責光學相關的知識產權建設工作

2、相機和鏡頭開發

o 根據產品需求和照明條件,選擇出合適的相機sensor和鏡頭參數,保證成像質量

o 負責和供應商技術溝通,制定相關流程和設計文檔,保證成像指標滿足產品要求

3、光學測試和量產落地

o 負責相機、鏡頭和光學模組有關的光學指標制定和測試,滿足產品對質量的要求

o 負責相機和光學組件試製跟線,分析光學相關的不良並制定對策,進行公差分析和結構設計指導

電腦工程師崗位職責 篇11

職責:

1、編制水文水資源信息化項目有關的科研報告、實施方案、投標文件等;

2、負責與客户進行業務溝通,挖掘和把握客户的需求;

3、在項目實施過程中,對階段成果進行功能性測試;

4、協助項目經理在項目實施過程中進行彙報、溝通;

5、帶領團隊進行需求調研,包括需求調研計劃編制、需求調研實施、系統原型設計、需求規格説明書編寫、推進需求評審等;

6、掌握軟件開發與數據庫基礎知識,輔助項目實施工作;

7、負責需求變更的跟蹤管理;

8、編制項目過程文檔,完成各類彙報與項目驗收等工作,承擔培訓及後期維護工作;

9、配合項目經理,帶領團隊針對項目中的數據進行規劃、整理,掌握行業發展現狀,瞭解行業動態,分析政策信息。

任職要求:

1、從事水利行業需求分析等相關經驗3年以上,最好做過2個以上大中型項目(300萬以上),熟悉軟件開發者更佳;

2、本科及以上學歷,碩士研究生優先考慮;

3、有良好的計算機基礎,瞭解軟件設計和開發基本原理;

4、熟悉水文、水資源、地下水、水環境等業務者優先,具備應用系統初步設計能力;

5、有較強的文檔編寫能力;

6、具備良好的系統分析、邏輯思維和抽象概括的能力;

7、具備獨立工作能力和團隊合作精神,細心、責任感強;

8、 對用户體驗方面的理論有一定的瞭解和認識,並能有效運用於產品設計工作中;

9、熟悉需求調研方法,有較強的業務流程及業務模型分析設計能力。

10、優先考慮具有水利行業軟件需求分析經驗的人員。

電腦工程師崗位職責 篇12

職責:

1、負責金融行業數據倉庫開發工作

2、負責與多個應用對接的接口和框架設計

3、充分理解產品需求,能夠結合需求進行任務設計,完成詳細設計文檔的編寫。

崗位要求:

1. 從事數據倉庫及商業智能(BI)領域工作至少3年以上,熟悉數據倉庫模型設計方法論,並有實際的模型設計經驗,有大型數倉建設經驗優先;

2. 精通數據倉庫領域知識和管理技能,包括但不侷限於:元數據管理、數據質量、主數據管理、性能調優等;

3.有主流商業/開源ETL工具(Informatica、Datastage、Kettle等)使用經驗者優先;

4. 熟悉Hadoop生態相關技術並有相關實踐經驗,包括Hdfs、Map-Reduce、Hive、Hbase、Spark等,具備海量數據加工處理(ETL)相關經驗;

5. 熟練使用java語言,對微服務架構有一定了解;

6. 具有較強的團隊意識與良好的溝通能力及高度的工作責任感,熱愛技術,有很強的鑽研能力,樂於接受有挑戰性的任務;

7、有團隊管理經驗優先。

電腦工程師崗位職責 篇13

職責:

對業務數據進行採集、清洗、整理、標籤、分層;

根據業務需求,應用統計學、數據挖掘等建立精準數據模型,滿足業務需求;

能從業務和產品角度出發,利用數據來發現產品或業務的瓶頸,提出優化方案;

探索業界和學術界前言的數據挖掘、機器學習理論與實踐。

任職資格:

本科及以上學歷,數學、統計學、計算機專業優先;

精通數據挖掘腳本語言,能靈活運用R、Python中的一種,熟練sklean/numpy/pandas等科學計算相關庫,有統計建模、機器學習或數據挖掘應用的項目經驗優先;

對大數據技術有深入瞭解,能夠使用Hadoop、spark等相關技術;

勤奮踏實,樂於學習新事物,有良好團隊合作精神和高度的責任感;

醫療、生物背景人員優先。

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/wenmi/gangwei/977vq6.html
專題