资深AI工程师

核心算法研发与工业落地 负责工业现场核心算法的研发、优化及工程化落地，重点覆盖 异常检测、故障预警（PHM）、寿命预测（RUL）、质量预测、分类识别及智能诊断 等方向。 负责生产设备、工艺过程、能源系统等工业 一维时序数据 的深度分析与建模，构建稳定可靠的算法解决方案，解决实际生产中的痛点，提升生产效率及设备可靠性。

海量数据分析与特征工程 基于 Spark、Hive、Doris 等大数据平台，开展海量工业数据的清洗、预处理与分析工作，高效处理TB级数据。 负责工业数据治理与特征工程体系建设，包括复杂信号处理（小波分析、FFT频域分析）、特征提取、异常值处理、数据标准化及数据质量监控。

模型全生命周期管理与平台应用 负责现有机器学习项目的 日常维护、性能优化及持续迭代 ，保障线上模型稳定运行。 熟练利用公司现有的机器学习平台及MLOps工具，完成从数据接入、模型训练、评估、部署到监控的 全流程闭环管理 ，提升模型开发与部署效率。 负责模型的服务化部署，利用FastAPI、Flask、Docker、Kubernetes等技术，保障算法服务的高可用性。

前沿技术探索与应用（辅助） 跟踪人工智能前沿技术，探索 大模型（LLM）、Agent、RAG（检索增强生成） 等新技术在工业场景中的应用潜力，尝试构建工业知识库或AI智能助手以辅助决策。

跨部门协作与方案交付 深入业务一线，与工艺、设备、生产、信息化团队紧密协作，挖掘业务需求，将算法技术转化为可落地的智能化解决方案，持续输出业务价值

基础要求 硕士及以上学历，计算机、人工智能、自动化、数学、统计学等相关专业。 5年以上 机器学习算法开发经验，具备工业制造、能源、电池、新能源等领域经验者优先。 熟练掌握 Python 编程，具备良好的代码规范和工程化开发能力。

算法能力 精通 常用机器学习算法，包括：XGBoost、LightGBM、CatBoost、Random Forest、SVM、聚类分析等。 深入理解 时间序列分析、异常检测算法 及深度学习模型（如RNN, LSTM, Transformer等）在时序数据上的应用。 具备完整的工业AI项目落地经验，熟悉从数据分析、特征工程、模型训练、评估到上线部署、监控优化的全流程。 熟悉在线学习、增量学习、迁移学习等先进机器学习方法者优先。

大数据与平台能力 熟练掌握 Hadoop 生态及大数据处理技术，具备 Spark、Hive、HDFS、Yarn 的实际开发经验，能够处理TB级海量数据。 熟悉 Doris、ClickHouse 等OLAP引擎或 MySQL、PostgreSQL 等数据库，具备高效的数据查询与处理能力。 熟练使用 现有的机器学习平台及MLOps工具，具备模型版本管理、自动化训练及监控的经验。

工程化与部署能力 熟悉模型服务化技术，熟练使用 FastAPI、Flask 搭建模型服务。 熟悉 Docker、Kubernetes 等容器化技术，能够配合运维团队完成模型的部署与环境维护。

前沿技术（加分项） 了解或具备大模型应用开发经验，包括 Agent、RAG、AI工作流等，能够将其应用于工业场景辅助分析者优先。 具备工业互联网平台使用经验、知识图谱相关经验者优先。

岗位价值 核心驱动： 依托深厚的算法功底与大数据处理能力，解决工业场景最棘手的设备预测与质量问题。 提质增效： 通过稳定可靠的算法模型与高效的工程化落地，直接推动生产效率提升与成本降低。 技术赋能： 结合现有平台与新兴技术（大模型/Agent），为传统工业制造注入智能化活力，支持企业数字化转型