算法工程师-车联网

1、负责车联网整车时序数据算法建模，面向 T-Box 上报的转速、扭矩、油温、压力、液压流量、GPS 轨迹及作业动作等信号，建立数据清洗、时间对齐、工况切分与特征提取流程；

2、负责工程机械典型工况识别与挖掘，针对装载、挖掘、起吊、行走、怠速等模式构建识别模型，输出作业循环、负载谱与能耗效率画像；

3、负责设备故障诊断算法研发，建设故障特征库与异常检测模型，面向动力、液压、传动、电气系统实现异常预警、故障定位与根因分析；

4、负责数据挖掘与业务应用逻辑发掘，从工况、能耗、效率、故障关联中提炼可解释、可落地的规则与指标，支撑产品改进、备件预测与后市场运营；

5、负责算法工程化落地，完成模型训练、离线验证、部署上线与效果监控，将算法能力接入车联网平台与业务系统；

6、负责数据资产与标注体系建设，参与采集方案设计、数据质量治理、样本标签与特征库建设，沉淀可复用的算法组件与分析工具；

7、跟踪时序分析、异常检测、工业智能等前沿方法，结合业务场景开展技术验证与方案选型。

一、大学本科以上，计算机、人工智能、自动化、车辆工程、统计学或数据科学等相关专业。

二、工作经验：3年以上机器学习、数据挖掘或算法研发经验；具备车联网、工程机械或设备故障诊断项目经验者优先。

三、知识要求：

1、掌握机器学习与深度学习基础，熟悉分类、聚类、回归、异常检测等算法原理与适用场景；

2、掌握时序分析方法，熟悉时序特征工程、信号处理（滤波、频谱分析、重采样与多源对齐）、变点检测与周期模式挖掘；

3、熟练使用 Python（NumPy、Pandas、Scikit-learn）及 PyTorch 或 TensorFlow 之一；

4、熟练使用 SQL，具备大规模时序数据处理经验，了解 Kafka、Flink、Spark 等组件；

5、了解车载总线基础，熟悉 CAN、SAE J1939、OBD 协议及整车信号含义者优先；

6、了解模型工程化流程（训练验证、版本管理、推理优化、效果监控），熟悉 Linux 与 Git；

7、具备业务理解能力，能将作业场景转化为可量化的算法问题；有技术攻关决心，积极主动、细致、善于协作。

四、基本技能：

1、具有较强的文档撰写能力，能清晰输出算法方案、实验报告与技术规范；

2、具备跨团队沟通能力，能与整车、电控、服务等团队推进算法落地；学习能力强，能接受潜在需求技术的学习。