玛雅彩票邀请码-玛雅彩票app

2022年四季度人才流动报告：生产、销售类岗位招聘需求走高******

　　伴随疫情防控政策优化调整，2022年四季度企业复工复产逐步回归常态，人才流动也呈现触底反弹之势，58同城、赶集直招于近日发布2022年四季度人才流动报告，从城市、职位、薪资等维度剖析当前就业市场人才流动情况，以帮助招聘方把握人才流向，并助力求职者准确掌握就业需求。

　　北京企业招聘需求旺盛，广州平均月薪同比增长26%

　　根据58同城、赶集直招统计数据，2022年四季度，北京受全面复工复产驱动，企业招聘需求位列前茅。相关政策表明，中关村示范区等办公园区通过强化政策支撑、保供保畅、增资扩产等方式，全力服务企业复工复产，努力冲刺全年目标任务。在此背景下，北京企业招聘需求迅猛增长，跃升招聘需求活跃城市首位。

　　另外，经过一年的调整与建设，经济较发达的成都、上海、深圳、广州企业的招聘需求也在四季度大量释放，企业用人需求迎来高峰。

　　求职端，深圳、成都、北京、重庆、上海吸才效应显著。尤其深圳建立健全劳动者终身职业技能培训制度成果显著，在高技能人才培养培训模式下，深圳围绕先进制造业、战略性新兴产业等重点行业和“四新经济”领域，全面推进企业新型学徒制培训，组织开展公益职业技能培训，现已形成引才、育才、用才高地。

　　此外，东莞、青岛、苏州等新一线城市四季度求职投递量同比增长5%左右，这些城市发展势头强劲、就业机会多，同时生活压力相对较小，得到年轻求职者的高度青睐。

　　除政策导向外，人才流动还反映了经济发展的重心与趋势，具有竞争力的市场薪酬是企业锁定人才的“利器”。58同城、赶集直招数据显示，2022年四季度，全国招聘热门城市前十五平均月薪11619元，同比增长7.7%。其中，上海城市平均月薪水平最高，为13402元，同比增长6.6%；广州平均月薪增幅最高，同比增长26%至12952元。折射出，在冲刺业绩的四季度，全国人才市场普遍“钱景”良好，同时，提供具有竞争力的薪酬，是一线城市吸才的重要手段。

　　普工职位招就活跃度双高，物流专员/助理月薪同比增长8.8%

　　从职位上看，2022年四季度，企业招聘需求活跃度TOP15的职位分别为：普工、保安、销售代表、店员/营业员、服务员、文员、商务司机、物流专员/助理、销售经理/主管、收银员、货运司机、前台/总机/接待、保洁、厨师/厨师长、客服专员/助理。伴随制造业企业复工复产，生产、销售相关岗位招聘需求走高，尤其是普工岗位出现较大人才缺口，招聘需求相对更高。

　　求职端，四季度求职者关注TOP15的职位分别为：普工、货运司机、文员、商务司机、店员/营业员、服务员、保安、分拣员、收银员、送餐员、专车司机、销售代表、装卸/搬运工、快递员、前台/总机/接待。同比来看，专车司机、装卸/搬运工、送餐员等职位均有10%以上的增幅。

　　究其原因由于疫情防控影响，个人卫生安全意识增强，点对点出行与线上消费需求激增，跨区域运输不但恢复疫情前水平且稳中有增，带动相关司机/交通服务、物流/仓储类职位的求职需求呈现大幅增长。

　　在招聘活跃职位中，物流专员/助理2022年四季度平均月薪最高，且同环比增幅最大分别为9%、7%。特别是四季度各个电商平台先后推出双十一、双十二等购物节，线上购物订单激增，从而推动了物流行业用工增长，各个物流企业早在电商购物节开始前就开始了抢人大战，薪资水平更是水涨船高。

　　其他职类如货运司机、商务司机、厨师/厨师长平均月薪也相对较高，皆实现过万。除此之外，厨师/厨师长平均月薪同比增长显著，增幅在8%左右；保洁平均月薪近7000元，与三季度相比环比微增2%。

　　作为招聘行业的领导者，58同城、赶集直招依托丰富的大数据资源，按季度对人才流动趋势进行分析盘点，从城市、职位、薪资等维度予以统计对比，为求职者和招聘方提供参考借鉴。不仅如此，58同城、赶集直招还通过一系列线上招聘会和在线智能招聘工具，满足招工和求职需求，实现人岗精准匹配，为稳就业作出积极贡献。（李记）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）