You apply advanced data analysis and machine learning skills — honed on astronomical datasets — to industries including finance, tech, and healthcare.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
清晨查看全球天文台（如FAST、LAMOST、LSST）夜间采集的TB级观测数据流，清洗射电/光学时序数据并校准仪器噪声；上午与天体物理团队召开15分钟站会，同步对某类快速射电暴（FRB）候选体的特征提取进展；午后用Python（Astropy、PyTorch）训练卷积神经网络识别星系形态，调试模型在GPU集群上的分布式训练任务；下午4点远程接入智利VLT望远镜控制终端，实时验证新开发的数据质控脚本是否准确标记大气扰动伪影；下班前将当日分析结果写入Jupyter Notebook并同步至GitLab科研仓库，同时标注数据溯源标签（符合FAIR原则）。
需天文学、天体物理或计算科学相关领域硕士及以上学历，博士优先；核心技能包括：熟练使用Python科学栈（NumPy/Pandas/Astropy）、掌握天文数据标准（FITS、VO-Tables）、具备机器学习建模能力；熟悉Linux高性能计算环境及SLURM作业调度。关键证书非必需但具竞争力：
可以，但需补足核心天文知识——建议系统学习《天文数据处理导论》（中科院版）、完成SDSS或GAIA公开数据集分析项目，并在GitHub提交可复现的星表交叉证认代码库。
国家级机构（国家天文台、紫金山天文台、上海天文台）、大科学装置（FAST运行中心、中国空间站巡天望远镜科学中心）、高校天文系实验室，以及航天科技集团下属遥感AI团队和商业深空探测初创企业（如起源太空）。
3–5年需从算法实现转向科学问题定义——主动参与观测提案撰写、主导跨波段数据融合项目、在IAU会议发表方法学论文；资深阶段可向“科学软件架构师”或“天文AI首席科学家”双轨发展，兼顾技术深度与科学话语权。