1.负责设计和开发基于时序数据的预测模型（如ARIMA、LSTM、Prophet、Transformer等），应用于业务场景中的预测分析（如销量预测、设备维护、能源调度、风控预警等）；
2.深入挖掘和分析海量时序数据（如时间序列、传感器数据、日志数据等），提取关键特征，构建有效数据模型；
3.熟悉运筹优化、管理调度算法（如线性规划、整数规划、遗传算法、强化学习等），了解模型预测控制方法，并应用于最优化问题求解；
4.优化现有模型架构，提升预测精度、效率及稳定性，解决过拟合、数据漂移等问题；
5.负责数据清洗、预处理及异常检测，保障数据质量与模型输入可靠性。
6.结合业务需求，将算法转化为可部署的解决方案，推动模型在真实场景中的落地应用；
7.与交付团队合作，完成模型部署、性能调优及监控，确保算法在分布式环境（如Hadoop、Spark）或边缘设备上的高效运行；
8.与产品团队协作，负责产品技术对接方案把控，完成产品展示及交付工作；
9.对模型效果进行量化评估与迭代优化，持续提升业务指标（如预测准确率、响应速度、资源消耗等）。
10.领导交代的其他工作。


岗位要求
1.硕士及以上学历，计算机、数学、统计学等相关专业；
2.具备2年以上时序模型相关研发经验者可放宽学历要求；
3.技术能力：精通Python编程，熟悉至少一种深度学习框架（如TensorFlow、PyTorch、Deepspeed等），掌握Scikit-learn、Statsmodels等统计建模工具；
4.深入理解时序模型算法原理（如ARIMA、GRU、时序CNN、Attention机制等），
5.熟悉分布式计算框架（如Spark、Flink）或实时数据处理系统；
6.良好的逻辑分析与问题解决能力，能快速定位并优化模型瓶颈；较强的抗压能力与团队协作精神，主动沟通业务需求与技术实现路径；
7.有工业AI、能源预测、金融量化、智能运维等领域时序模型开发经验者优先；具备实战经验；熟悉时间序列特征工程方法（如滑动窗口、傅里叶变换、小波分析等），有异常检测、信号处理经验者优先。