工作职责：

1、负责算法模型开发，解决业务场景中的实际问题（如时序预测等）。参与数据清洗、特征工程、模型训练与评估的全流程，提升模型性能与泛化能力。与需求分析等其他职责团队协作，实现算法的高效落地，并完成技术文档撰写。

2、时序预测体系迭代：处理基于Transformer、LSTM等模型的负载率预测代码，优化模型结构（如特征工程、模型轻量化、多模态融合），提升预测精度与泛化能力；同时探索适用于不同业务场景的时序算法（如 Prophet、XGBoost等），构建灵活可复用的预测框架。

3、模型全生命周期管理：负责算法的工程化落地（如部署、监控、迭代），解决生产环境中的数据漂移、性能衰减等问题，保障模型在多场景下的稳定运行；推动算法效果与业务指标的联动评估（如预警准确率、调度效率提升）。

4、跨团队协同创新：与业务调度、设备运维、数据中台等团队深度协作，挖掘业务痛点（如极端天气下的负荷波动、老旧设备的承载极限），主导算法原型设计与验证，输出兼具技术创新性和业务实用性的解决方案。

任职要求：
1.学历与专业：本科及以上学历，计算机、自动化、应用数学、电力系统及其自动化、数据科学等相关专业；

2.算法基础：精通机器学习/深度学习理论，深入掌握至少一种时序预测模型（Transformer、LSTM、Prophet等），能根据场景特性选择并优化模型，具备独立建模与调优能力；

3.工程能力：熟练使用Python及数据处理库（Pandas、NumPy、Scikit-learn），掌握至少一种深度学习框架（PyTorch/TensorFlow），具备模型工程化经验（如部署工具ONNX/TensorRT、服务框架Flask/FastAPI等）；

4.数据能力：擅长时序数据预处理（缺失值处理、异常检测、特征工程），能应对大规模、高频率能源监测数据（分钟级/小时级采集数据）的处理与分析；

5.接受驻场

6.加分项：有能源/电力行业算法项目经验（负载预测、设备预警、调度优化等）；熟悉电力系统专业工具（如潮流计算、拓扑分析软件）；具备分布式计算（Spark/Flink）或大数据平台使用经验。