一、岗位职责

1、工艺优化算法落地：针对高能耗零碳绿色化工“降低能耗、提高收率、提升品质”的核心需求，设计端到端算法解决方案，包括但不限于：工业数据的采集整理和特征工程建立，工艺数据相关性分析，生产约束边界分析，收率良率预测，滚动工艺参数寻优，闭环增强控制等。

2、数据与业务的桥梁：和工艺和生产运营团队深度沟通和合作，把“能耗降低5%”“收率提高2%”等业务目标，转化为算法可落地的问题（如特征定义、目标函数设计）；同时用团队内部其他专家能理解的语言解读算法结果——比如通过SHAP值分析，明确“温度波动”是影响脱附率的关键因素，推动优化设备工艺参数，形成“算法输出→工艺改进→价值落地”的闭环。

3、算法迭代与工程化：跟踪模型在实际现场的运行效果——若因原料变化、催化剂性能劣化导致“模型漂移”，持续用更新的数据重新训练优化；提升算法工程化性能，满足生产线实时调整的需求。

4、跨团队协作与内部价值贡献：对外，和设备、材料以及自动化系统厂商和现场团队等配合，完成从数据驱动链条的延展和贯穿；对内，将实践沉淀的算法和程序整合到公司内部平台系统中，不仅让后续项目可快速复用，更重要的是形成公司最核心的数字价值资产。

二、任职要求

1、基本条件：

（1）硕士及以上学历，计算机、自动化、数据科学、应用数学等相关专业，1年以上算法落地经验（有工业场景经验者优先，无经验但能独立完成工业数据算法案例者也可）；

（2）熟练使用Python编程，掌握时序和关系型数据库，能处理十万级时序数据；

（3）无不良职业记录。

2、算法技术基础：

（1）熟练掌握至少1种主流机器学习/深度学习框架（TensorFlow/PyTorch），能独立搭建时序预测（如LSTM、Transformer等）、回归分类（如XGBoost、LightGBM）、智能优化（如遗传算法、粒子群优化）模型；

（2）理解工业（尤其是化工行业）数据的特点（多噪声、大时滞、多变量耦合），能通过特征工程（滑动窗口、时域/频域特征提取、异常值处理）解决数据质量问题，而非仅会用“标准数据集”跑模型。

3、工业场景适配与现场能力：

（1）对工业有情怀，必须要能够深入生产一线，了解真实的生产工艺流程，能听懂工艺和生产专家说的系统知识和碎片化经验描述，并转化为可表征和可分析的数据和算法模型；

（2）接受30%时间出差，公司未来会在不同地区建立试验线和量产线，能适应工厂现场环境和周边环境的影响。

4、落地思维与沟通能力：

（1）不追求“复杂算法炫技”，而是以“解决实际问题”为核心——若中试线数据量小，能放弃需要大量数据的深度学习模型，转而用传统统计学习+工艺规则的方法快速落地，先看到初步价值；

（2）能和非专业AI技术背景的团队成员进行价值导向沟通，用“这个算法模型落地能帮着减少2.3%的电解效能波动，相当于多赚X万”的务实表述，替代“我们用了Transformer自注意力机制”的技术术语。

5、内部贡献意识：

具备“沉淀复用”思维，在完成某个具体项目和业务目标后，能主动梳理可复用的算法模块、工具或经验文档，整合到公司内部平台，为团队后续项目节省开发时间，推动公司算法能力的规模化输出。

三、薪资福利

薪资范围：面议

福利：五险一金，国定年假+企业年假，租房补贴、车辆补贴、其他福利等。

工作地点：上海临港