岗位描述
岗位摘要：负责工业场景下核心机器学习算法的研发与落地应用，深耕异常检测、故障预警及寿命预测等方向。基于Spark、Hive、Doris等大数据平台进行海量工业时序数据的分析与建模，利用现有机器学习平台完成模型的全生命周期管理（开发、训练、部署、监控）。同时，积极探索大模型及Agent等新技术在工业场景的辅助应用，推动生产制造的智能化升级。一、 岗位职责1. 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。2. 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。3. 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。4. 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。5. 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。二、 任职要求1. 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。2. 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。3. 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。4. 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。5. 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。三、 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。