云链数科 算法工程师(J33537)

算法研究与方案设计 深入航运业务场景（船员调派、船舶调度、航线规划、港口作业排程等），参与业务需求分析与问题拆解，在导师指导下完成运筹优化/强化学习算法的选型与建模方案设计。

算法开发与迭代 参与优化算法、强化学习算法的模型搭建、训练、调优与迭代工作，结合航运业务约束条件（如船舶作业窗口、船员资质匹配、港口潮汐窗口期等），解决资源调度、效率优化、成本优化等实际问题。

模型仿真测试与工程落地 参与算法模型的仿真测试、效果验证与工程部署，协助完成算法与业务系统的集成； 持续跟踪算法运行效果，根据业务数据和场景变化参与模型迭代优化，保障算法的实用性与稳定性。

前沿技术跟踪与创新 跟进运筹优化、强化学习、智能决策等领域前沿技术动态，结合航运业务痛点参与技术创新探索，协助沉淀标准化的算法解决方案与技术文档。

项目协作与文档沉淀 参与项目需求分析、技术方案评审，撰写技术文档与算法报告； 协同研发、业务团队完成项目落地，积极参与团队技术分享与知识沉淀。

学历要求 2027届全日制统招本科及以上学历应届毕业生（硕士、博士研究生优先）。

专业要求 计算机科学与技术、人工智能、自动化、数学、运筹学、统计学、交通运输工程、物流工程等相关专业。

理论知识基础 具备扎实的数学基础（线性代数、概率论与数理统计、最优化理论）； 运筹优化方向：了解线性规划、整数规划、动态规划、遗传算法、模拟退火等至少一种优化方法的基本原理； 强化学习方向：了解DQN、PPO、SAC、DDPG、MARL等主流算法中的至少一种，对其基本原理与适用场景有基本认知； 对大模型原理与应用（如提示工程、RAG、微调、模型部署、工具调用等）有一定了解者优先。

编程与工具能力 熟练使用Python，熟悉Pandas、NumPy、Scikit-learn等常用数据处理工具； 了解至少一种主流深度学习框架（PyTorch/TensorFlow），有实际模型搭建与训练经验者优先； 能够熟练使用AI coding工具辅助日常开发工作； 具备良好的工程实践习惯，熟悉Git等代码管理工具。

行业认知 对航运业务场景（船舶调度、货物运输、港口操作、船员管理等）有基本了解或浓厚兴趣； 对算法技术在航运数字化、智能化转型中的应用前景有较为清晰的认知与热情。

核心能力 逻辑思维与问题拆解能力：思维缜密，能够将复杂业务问题抽象为数学模型，具备系统性分析与独立思考能力； 学习能力与自驱力：对前沿技术保持持续学习热情，能够快速跟进论文与开源项目并转化为实践能力； 沟通协作能力：具备良好的跨团队沟通表达能力，能够与业务、研发团队高效配合； 责任心与抗压能力：工作严谨负责，具备良好的时间管理与项目推进意识。

政治素质 政治立场坚定，认同央企文化及发展战略。

英语能力 大学英语六级（CET-6）及以上水平，能流畅阅读英文技术文献与论文。

加分项（同等条件下优先） 有运筹优化/强化学习相关科研项目或实习经验，有实际落地成果； 在国内外算法竞赛（如ACM、Kaggle、阿里天池、华为杯等）中获奖； 有开源项目贡献经历或个人技术博客； 在运筹优化、强化学习领域有高质量论文发表； 有航运、物流、交通领域算法相关实习或项目经历。