一、岗位职责

1、辅助工业数据处理与特征工程：跟着工程师整理绿色化工的生产数据（如温度、压力、能耗、收率数据），辅助完成数据清洗（处理缺失值、异常值）、时序数据切片（如按生产批次提取滑动窗口特征），协助标注“工艺异常数据”，为算法模型提供干净的“输入原料”。

2、算法模型的编写与调试：在工程师指导下，训练模型——比如用XGBoost辅助验证“温度波动与脱附率”的关联，或用LSTM辅助测试时序数据的预测效果；记录调试过程中的参数变化与结果，帮工程师整理“模型优化日志”。

3、配合工艺沟通与文档沉淀：跟着工程师参加与工艺和生产团队的沟通会，记录“工艺专家说的经验”，并协助转化为“算法可理解的特征描述”；同时，辅助整理可复用的工具文档（如“工业时序数据清洗步骤”“特征筛选的基础方法”），为公司内部平台的沉淀做基础工作。

4、参与现场调研与数据验证：跟着团队去生产一线，观察生产线的实际运行逻辑（如电解槽的工作流程、原料投放的节奏），协助记录“现场数据与系统数据的差异”，避免“办公室数据与实际生产脱节”。

二、任职要求

1、基础技术能力：

（1）本科及以上学历（研一及以上优先），计算机、自动化、数据科学、应用数学、化工相关专业（懂一点化工基础者优先）；

（2）会用Python编程，熟悉基础数据处理库（Pandas、NumPy），了解至少一种机器学习框架（TensorFlow/PyTorch 者加分）；

（3）了解“时序数据”“特征工程”等技术概念，能理解“为什么工业数据需要处理大时滞问题”。

2、学习态度与工业情怀：

（1）对“工业生产+AI”有好奇心，愿意跟着去现场（不排斥车间环境、化工生产规范），能耐心听工艺专家讲生产逻辑；

（2）不追求“用复杂算法炫技”，能理解“先解决小问题（如辅助提升0.1%收率），再谈大突破”，愿意从基础的数据分析、文档整理做起。

3、沟通与配合能力：

（1）能清晰跟工程师反馈“数据处理中遇到的问题”（比如“某批次数据缺失太多，该怎么处理”），而不是闷头硬做；

（2）会用简单的语言整理“模型调试结果”（比如“调整窗口大小后，预测误差减少了5%”），方便团队快速理解。

4、时间要求：

每周能到岗4天及以上，至少实习3个月（能实习6个月者优先）。

三、薪资福利

实习薪资：（一线城市）本科220元/天，硕士260元/天，博士300元/天。

工作地点：上海临港