数据研究工程师（AI算法方向）

基于电池研发、制造及测试大数据，进行数据挖掘与特征提取； 设计并实现电池性能表征特征，输出对产品性能的量化设计影响因子；

机器学习/深度学习算法研发 负责电池SOX预测等核心算法的研究与开发，应用传统机器学习及深度学习模型解决电池性能预测问题，构建可解释性分析框架，建立模型输出与电化学机理的关联

灰箱模型构建 结合电化学/材料学/工程物理认知，将领域知识融入数据驱动模型，研究电池退化机理（建立"数据特征-物理机制"的映射关系，开发电池异常检测与预警算法）。

算法落地与优化 配合开发团队将算法部署至云端，持续优化模型精度与计算效率

硕士及以上学历；

计算机或者大数据相关专业优先；

熟练掌握 Python/R 等数据分析语言，熟悉 NumPy、Pandas、Scikit-learn、PyTorch/TensorFlow 等常用框架； 熟悉机器学习预测模型，包括但不限于：Logistic 回归、随机森林、梯度提升树（XGBoost/LightGBM）、SVM、神经网络等，具备时序数据分析经验，熟悉信号处理（滤波、插值、微分等）技术者优先；

熟悉大规模数据挖掘、特征工程、分布式计算（Spark/Hadoop）等相关技术