核心算法研发： 负责计算机视觉（CV）、时序预测、异常检测、自然语言处理（NLP）等相关深度学习模型的研发、训练、调优与部署，应用于设备健康管理、工艺优化、视觉质检、智能巡检等实际工业场景。
数字孪生驱动： 参与开发与优化基于物理机理与数据驱动的混合模型，构建高保真度的设备或产线数字孪生体，实现状态实时映射、性能预测与虚拟调试。
工业数据挖掘： 深入分析复杂的工业时序数据、图像数据与多源异构数据，挖掘数据价值，定义并解决关键业务问题。
端到端落地： 协同软件工程团队，将算法模型产品化、工程化，完成从原型验证到工业级可靠部署的全流程，确保算法在真实环境中的稳定与高效。
技术前沿探索： 跟踪深度学习、强化学习、生成式AI在工业领域的最新进展，并评估其在公司业务场景中的应用潜力。

基础要求：

本科及以上学历，计算机、人工智能、自动化、数学、统计学等相关专业。
扎实的编程基础，熟练掌握Python，熟悉PyTorch/TensorFlow等至少一种主流深度学习框架。
扎实的机器学习/深度学习理论基础，对CV、时序分析、生成式模型等至少一个方向有深入理解和项目实践经验。
具备良好的数据敏感性、自学能力和分析解决问题的能力。

优先考虑：
有工业领域（能源、制造、物联网等）AI项目经验，熟悉SCADA、PLC、MES等工业数据者优先。
有数字孪生、物理信息神经网络（PINN）、强化学习、模型轻量化或边缘部署经验者优先。
在顶级会议/期刊（如CVPR, ICML, NeurIPS, AAAI等）发表过相关论文，或在知名算法竞赛中取得优异成绩者优先。
具备优秀的沟通能力和团队协作精神，能够清晰地将复杂技术问题与业务价值相结合。