面向交通运行管理、事件研判、资源调度、风险评估、运维优化等业务场景，构建可落地的数学模型与优化算法能力体系，形成“数据—模型—决策—评估—迭代”的工程闭环，为产品提供可解释、可控、可评估的决策与推演能力。

岗位职责（正式）
1. 建模与问题定义：将业务问题抽象为数学模型（预测、分类、评分、优化、推演、仿真等），定义目标函数、约束条件与评价指标，并形成技术方案文档。
2. 优化与运筹算法研发：针对调度优化、路径规划、资源分配、队列/排队、库存/备件、设备巡检等问题，设计并实现 MILP/ILP、LP、QP、网络流、动态规划、启发式/元启发式（GA/SA/PSO/TS）等算法。
3. 统计与时空建模：构建时序/时空统计模型（ARIMA/状态空间/贝叶斯/卡尔曼/Markov/生存分析等），用于趋势预测、异常检测、风险评估与不确定性量化。
4. 仿真与推演：搭建事件推演与策略评估框架（离散事件仿真/Monte Carlo/系统动力学等），支持方案对比、敏感性分析与鲁棒性评估。
5. 工程落地与服务化：将算法模块工程化（API/SDK/微服务），实现可配置参数、可观测日志、性能优化与线上稳定性保障；配合前后端完成产品集成。
6. 评测与闭环：建设离线评测集、仿真实验与线上 A/B 指标体系，输出可复现实验、性能报告与迭代路线。
7. 跨团队协作：与产品、数据、研发、交付团队协同推进需求拆解、验收标准、上线与持续优化。

岗位职责（实习生）
1. 在导师指导下完成特定业务问题的数据分析、建模推导、算法实现与实验复现。
2. 参与构建优化/统计/仿真模型，完成参数调优与对比实验，输出实验记录与阶段报告。
3. 协助算法工程化：编写可复用模块、单元测试、数据处理脚本与可视化分析。
4. 参与文档沉淀：技术笔记、实验复现说明、模型假设与局限性总结。

任职要求（正式）
1. 学历：研究生及以上（成绩优异本科生可破格），数学/统计等相关专业优先。
2. 核心能力：具备扎实的数学建模与算法基础（线性代数、概率统计、优化理论、数值计算）。
3. 工程能力：熟练 Python，具备良好编码规范与调试能力；能独立完成从原型到工程化交付。
4. 模型与算法经验：至少熟悉以下两类并有项目实践：
• 运筹优化（LP/MIP/网络流/DP/启发式）
• 统计建模/不确定性（贝叶斯/时间序列/状态空间/异常检测）
• 仿真推演（离散事件/Monte Carlo/系统动力学）
5. 工具栈（满足其一或多项）：OR-Tools / Gurobi / CPLEX / PuLP / Pyomo / SciPy / Statsmodels / PyTorch(用于辅助建模) 等。
6. 软能力：良好的问题抽象能力、沟通表达能力与文档能力，能把“业务语言”转化为“模型语言”。

任职要求（实习生）
1. 研究生在读，相关专业；每周可实习 ≥3–4 天，持续 ≥3 个月优先。
2. 熟悉 Python，掌握基础数据处理与可视化（Pandas/Numpy/Matplotlib）。
3. 具备数学建模竞赛/课程项目/科研项目经历者优先（需能讲清楚：问题、假设、模型、结果与不足）。
4. 学习能力强，能快速理解业务并完成实验复现与小模块开发。

加分项
• 有交通（高速/隧道/TOCC/交管）或城市治理、工业运维、能源调度等领域经验。
• 有复杂约束优化落地经验（实时性、鲁棒性、多目标、约束冲突处理）。
• 有线上服务化与工程优化经验（FastAPI/Flask、Docker、K8s、CI/CD、日志监控）。
• 有数据治理/指标体系/实验平台搭建经验。
• 论文/专利/开源项目/竞赛获奖（国赛/美赛/挑战赛等）。

我们提供
• 真实业务场景与可量化的指标闭环，模型从研究到产品落地全流程参与。
• 与算法/工程/产品/交付多角色协作，技术成长路径清晰。