【岗位职责】 1、负责工业设备运行数据的深度挖掘与分析，构建设备健康状态评估模型。 2、研发并优化设备能耗预测与调度算法，建立产线级/单机级能耗模型，降低单位产能综合能耗。 3、设计并部署面向边缘端与云端的算法推理流水线，处理数据缺失、噪声干扰及样本不均衡等工业场景难题。 4、与硬件团队和工业物联网平台协作，将算法封装为标准化服务接口，参与现场调试与效果验证，根据反馈持续迭代特征工程、模型结构及超参数。 5、编写算法设计文档、测试报告及运维指南，支持跨部门知识传递，并为售前及交付团队提供技术方案宣讲与数据分析支持。 【任职要求】 1、教育背景：计算机科学、自动化控制、机械电子工程、应用数学、运筹学或相关理工科专业博士。研究方向须涉及时间序列分析、信号处理、优化理论或故障诊断之一，有工业现场项目或公开竞赛获奖经历者优先。 2、知识技能：扎实掌握机器学习与核心算法（如LSTM、Transformer、CNN、GNN），熟悉传统PHM方法（时频域特征、小波包分解）及能耗优化常用手段（线性/非线性规划、遗传算法、粒子群优化）。精通Python编程，熟练使用PyTorch/TensorFlow之一，具备良好的工程化代码习惯；熟悉SQL及大数据工具（Spark/Flink）者加分。了解工业通信协议（Modbus、OPC UA）及边云协同架构，能独立完成数据清洗、特征提取、模型训练到推理部署的全链路开发。 3、能力素质：具备敏锐的工业场景问题抽象能力，能将设备机理与数据驱动方法有机结合。拥有较强的抗压与现场应变能力，能接受短期出差至客户现场进行数据采集、模型调优及效果验证。优秀的逻辑思维与跨团队沟通能力，能向非技术背景的生产管理人员清晰解释算法逻辑与收益预期；具备主动学习习惯，持续追踪顶会（如ICML、NeurIPS、IEEE TII）最新成果并快速原型验证。