时空算法工程师（2027届 广州）

1. 01

   构建融合多模态数据的预测体系：从多源指标（植被、温度、水分等）与气象再分析、数值预报数据中构建特征，对真实世界的关键指标进行估计与预测。

2. 02

   研发时空序列算法：系统评估深度时序模型与时序基础模型的真实增量，覆盖点预测、概率预测与分位数输出。

3. 03

   探索多模态时空建模与世界模型方向的应用，用严格的对照实验验证新方法相对传统基线的真实增益。

4. 04

   建立评测与回测框架：按时间切分的 walk-forward 验证、防前视泄漏的特征时点管理，以及长期的误差追踪机制。

5. 05

   评估极端天气事件的影响并量化其不确定性；支持预测结果在量化研究等金融场景的应用与工程化落地

1. 01

   统计学、机器学习、大气科学、农业系统、计量经济等相关专业，国内外硕士及以上学历；有可验证的预测项目经历，能定量说明误差来源与失效场景。

2. 02

   时序建模功底扎实：状态空间、梯度提升、深度时序方法中至少两项有实战应用，理解小样本高噪声问题中领域先验与正则化的价值。

3. 03

   有多源数据的实际使用经验：能独立处理与分析数据，理解其误差结构、时空分辨率与物理含义。

4. 04

   精通 Python 科学计算栈与 PyTorch，实验全程可复现（配置化管理、实验跟踪）；能直接阅读英文文献与行业报告原文。

5. 05

   熟练以 LLM 与 AI 编程助手加速文献综述、代码实现与消融实验，面试需现场演示 AI 工作流。

【加分项】

1. 01

   在气象与金融量化的交叉领域有实战经历，成果经过真实场景的事后检验。

2. 02

   预测类竞赛的全球顶尖成绩或在时序方向有高水平论文。

3. 03

   主导过 0→1 的预测系统并持续迭代运行，有可展示的验证记录。

4. 04

   对某一实体行业有深入理解，能把行业知识转化为模型先验与特征设计