• 在统计学和机器学习方面有坚实的基础（评估、泄漏预防、偏差检查、校准、实验）。 • 拥有图数据库和图概念的实际操作经验： • 模式/设计：节点/边类型、属性、约束、索引、基数、时间建模 • 查询：Cypher（Neo4j）和/或 Gremlin/SPARQL • 图算法：PageRank、介数、连通分量、社区检测、相似性 • 精通用于数据科学的 Python（pandas、numpy、scikit-learn；能够编写可用于生产的代码）。
