资深大数据算法工程师

（一）算法体系设计与核心研发

1. 01

   主导售后后市场场景算法选型、定制化开发与优化，覆盖机器学习、深度学习、时序预测等技术方向，平衡算法精度、响应效率与部署成本，适配多终端、多工况落地需求。

2. 02

   深耕机器学习，牵头研发故障智能诊断、配件精准匹配、工单自动化处理、投诉意图深度解析、配件需求预测等核心算法，输出高适配性、高可靠性的技术解决方案。

3. 03

   搭建贴合业务的算法评估体系，通过特征工程优化、数据增强策略迭代、模型参数精调，持续提升算法业务适配性与落地效果，建立算法效果量化标准。 （二）业务深度赋能与端到端落地

4. 01

   联动业务、工程与数据团队，深挖场景核心痛点，主导算法在故障辅助诊断、配件需求预测、库存优化等场景的端到端落地，保障生产级稳定性、可靠性与可扩展性。

5. 02

   牵头售后后市场专属数据集的规划、构建与治理，优化数据与算法的融合效率，搭建算法迭代的数据支撑体系，支撑技术方案持续升级。

6. 03

   主导行业知识库、维修规范、配件手册的结构化梳理与检索算法优化，提升服务标准化水平。 （三）技术创新与团队赋能

7. 01

   跟踪机器学习、深度学习、数字孪生等前沿技术与行业实践，结合汽车/储能/新能源后市场特性，探索创新应用场景，打造差异化技术竞争力。

8. 02

   沉淀售后后市场算法研发与落地方法论，输出技术规范与最佳实践，赋能团队技术升级，推动算法标准化复用与规模化复制。

9. 03

   牵头攻克算法落地过程中的复杂技术瓶颈，主导技术攻坚，引领团队提升核心技术能力

学历：本科及以上学历，计算机、统计、数学、材料、电化学等相关专业 知识技能：

1. 01

   统计学、Python数据分析、机器学习、深度学习、是必备项；

2. 02

   英语水平、新能源材料、电化学知识、实际落地过新能源领域故障检测、故障预警项目是加分项 工作经验：硕士3年以上，本科5年以上 语言：CET-4 其他：

3. 01

   主导过售后故障诊断、配件需求预测、库存优化等场景算法规模化落地，并有明确的降本增效量化成果。

4. 02

   牵头过大规模售后/配件数据集的规划、构建与治理，或有时序算法技术在产业场景落地的主导经验。

5. 03

   沟通能力强、抗压能力强、具备团队精神与责任心