负责公司业务系统、设备等数据的相关算法的研发与落地，核心聚焦于生产过程人效分析、设备状态监控、预测性维护等。

生产过程优化：分析产线上人员操作数据、工时数据、物料流转数据，构建算法模型评估人机协作效率，识别低效操作，为生产节拍优化和人员调度提供数据支持。

设备健康管理：基于传感器数据（如温度、电流等），构建时序数据分析模型和机器学习模型，实现关键设备的实时状态监控、异常检测和剩余寿命预测。

产品一致性分析：探索生产参数、设备参数与试验测试结果之间的关联关系，找出产品一致性差的原因。

前沿AI探索与应用：跟踪大模型技术发展趋势，未来针对生产中的复杂决策、知识问答、多模态分析等场景，探索并开发基于大模型的智能应用（如自主决策的智能体Agent），提升工厂智能化水平。

数据平台构建：参与数据中台的建设，负责数据清洗、特征工程、模型部署与运维，确保算法模型在工业环境中的稳定、高效运行。

与生产、设备、IT部门紧密协作，深入业务场景，理解需求，并将算法结果转化为可执行的业务洞察和建议。

技术要求：

精通 Python 编程语言及常用的数据科学库（如 NumPy, Pandas, Scikit-learn）。

扎实的传统机器学习基础，熟练掌握分类、回归、聚类、降维等算法，并具备丰富的模型调优经验。

对大模型技术有一定了解，具备通过代码调用API或使用开源模型进行应用开发的能力。有智能体（Agent）或AI应用框架（如LangChain）实践经验者优先。

熟悉时序数据分析、异常检测、信号处理等相关技术。

具备良好的数据结构和算法基础，熟悉 Linux 开发环境。

经验与软实力：

必须具备制造业相关算法经验，有电气设备、机械制造、汽车等离散制造行业经验者优先。

对生产制造、工业现场有浓厚兴趣，具备优秀的业务理解能力和跨部门沟通能力，能将抽象的业务问题转化为可解的算法问题。

具备强烈的责任心和团队合作精神，能够在一个快速发展的环境中独立解决问题。

有MES/SCADA等工业系统数据对接经验者优先。

有算法模型在边缘设备或工业服务器上部署经验者优先。

具备优秀的技术前瞻性和学习能力，对将大模型等前沿技术应用于工业场景充满热情。