1.熟悉线性优化、机器学习算法（LightGBM、XGBoost、MLP），能够进行复杂工业问题建模与算法优化。

2. 有较强的数据分析能力，可以进行多源数据处理，特征工程的能力，洞察数据之间的隐藏关系。

3 熟悉线性优化与AI校正（混合建模），能够通过将物理模型与AI算法相结合，提升传统优化模型的精度，并保持其可解释性。

4. 具有深度学习算法经验，精通MLP、RNN/LSTM等神经网络模型，擅长处理时序数据、多模态数据（如从多个传感器获取的混合数据）进行预测和模式识别。

5. 精通Python，熟悉Pandas、NumPy、Scikit-learn等数据处理与机器学习工具，能够高效进行数据处理、特征工程和模型训练。

6. 熟悉深度学习框架，如TensorFlow、PyTorch，能够构建和训练神经网络模型。

7. 有钢铁冶金行业静态模型开发经验者优先。

8.本科或研究生阶段专业为AI相关专业。