岗位职责：
1.基于业务场景进行大模型微调（如 LoRA、Prefix-Tuning 等），适配具体任务（如对话、摘要、代码生成、视觉理解等）；
2.针对业务场景，设计时间序列预测模型（如短期 / 中长期预测）或异常检测模型；
3.选型与优化算法，熟悉时序建模工具（Statsmodels、Prophet）、机器学习框架（Scikit-learn、XGBoost、LightGBM）、深度学习框架（TensorFlow/PyTorch）；深度学习方法（LSTM、GRU、Transformer等）；
4.处理时序数据的特殊性（如缺失值、噪声、非平稳性），设计数据清洗与预处理流程；
5.构建时序模型评估体系（如 MAE、RMSE、MAPE、召回率），量化模型效果；
6.深入理解时间序列的核心特性（趋势、季节性、周期性、噪声），掌握经典时序分析方法与深度学习模型；
7.负责相关技术文档的编写，包括算法设计文档、测试报告、用户手册等，保证文档的完整性与规范性。
任职要求：
1.学历与专业：统计学、应用数学、数据科学、计算机等相关专业本科及以上学历。
2.算法基础：理解时间序列的核心理论（如平稳性检验、差分法、ACF/PACF 分析），掌握至少 2 类以上时序模型的原理与实现（如传统时序 + 深度学习组合）；
3.工程能力：了解模型部署流程（如 Flask/FastAPI），熟悉 SQL，能处理结构化时序数据；有海量时序数据处理经验优先。
4.具备良好的算法实现能力，能够独立完成复杂算法的代码编写与调试，有大规模数据处理与模型训练经验者优先。