AI算法工程师（智能制造方向）
一、岗位职责
1. 数据处理：负责生产相关数据（时序传感器数据、工艺日志等）的清洗、特征工程与质量监控，结合精密制造工艺逻辑提取有效特征，为模型训练提供高质量、高适配性的数据支撑（业务核心基础流程）；
2. 预测建模：基于企业生产核心需求，搭建并优化预测模型（重点覆盖风速预测、生产效率预测、峰值预测等），解决小样本、强噪声场景下的建模问题，确保模型精度与业务可解释性；
3. 工程落地：将训练完成的模型封装为API服务，负责模型的工业级部署、性能调优与运维，确保模型兼容企业现有业务系统（如MES/ERP），实现7×24小时稳定运行并赋能实际生产；
4. 跨域协作：与工艺工程师、生产部门、IT运维团队紧密协作，精准对齐业务需求，推动模型成果落地应用与持续迭代优化。
二、任职要求
1. 核心硬技能（必备）
- 精通Python编程语言，熟练使用Pandas、Numpy等数据处理库，掌握PyTorch/TensorFlow等深度学习框架；
- 具备扎实的数学基础，掌握线性代数、概率论、凸优化等算法核心理论，能支撑预测模型的构建与优化；
- 熟悉SQL/NoSQL数据库操作，具备时序数据、工业非标数据的处理经验，能针对性解决数据缺失、噪声等工业数据常见问题；
- 掌握模型工程化相关技术，熟悉Docker容器化部署，能将模型封装为API服务，具备工业级部署稳定性保障与性能调优能力。
2. 场景化能力（优先）
- 有智能制造、高端精密制造或工业互联网相关AI项目经验，参与过从数据处理、建模到工程落地的全流程；
- 具备小样本、强噪声场景下的预测建模经验，精通ARIMA、Prophet、XGBoost、LSTM等常用预测算法的选型与调优；
- 能快速理解精密制造核心工艺逻辑，可结合工艺需求设计特征与验证模型合理性；
- 熟悉工业业务系统（MES/ERP）对接逻辑，有工业级模型部署、运维及问题排查经验。
3. 软技能要求
- 务实导向，聚焦生产实际问题解决，不盲目追求算法前沿性，重视模型的业务落地价值与可解释性；
- 具备优秀的跨团队协作能力，能高效对接工艺、生产、IT等多部门，推动项目顺利推进；
- 抗压能力强，能适应制造业AI落地的迭代特性，具备独立思考与问题解决能力。