岗位职责： 核心算法开发：负责制造业项目中核心算法的设计、开发、验证与实施，主导从数据探索、特征工程到模型部署的全流程，直接影响生产效率与产品良率；能够善用 AI 工具提升建模、编码、调试、实验分析与文档沉淀效率。 工业场景建模：深入学习和理解特定工业（如半导体、精密仪器、新能源等）的制造工艺与流程，能够将复杂的工艺问题抽象、转化为机器学习或深度学习任务，构建有针对性的解决方案；具备借助大模型、知识库等工具快速学习陌生领域的能力。 技术方案整合：结合客户的实际数据与业务痛点，输出可落地、可解释的工业智能应用解决方案，并推动方案的持续迭代与优化；能够与 AI 协同完成方案分析、实验设计、结果复盘和材料整理。 客户技术赋能：作为技术专家，向客户提供专业的售前咨询、方案讲解，并负责项目交付后的技术支持与培训服务，确保客户成功；能够将复杂技术问题清晰表达，并借助 AI 工具提升交付与支持效率。 能够接受其他城市项目长/短期出差。 任职要求： 学历与经验：本科及以上学历，主修计算机科学、数学、统计学、物理或相关工程专业。有将机器学习/深度学习模型应用于实际问题的建模经验；欢迎优秀应届毕业生、工作经验较少但具备扎实项目、科研、竞赛或开源经历的候选人申请。 编程与工具：熟练使用 Python 及其数据科学生态，包括但不限于 Numpy、Pandas、Scikit-learn、Matplotlib、Seaborn。 编程与工具：具备良好的数据处理、分析和可视化能力，能从高维、时序或非结构化数据中提取有效特征。 AI 协作能力：能够高效使用大模型、代码助手、自动化分析工具等提升资料检索、代码实现、实验迭代、结果分析和文档输出效率；同时具备判断 AI 输出质量、验证结果可靠性与保护数据安全的意识。 机器学习（理论与实践）：基础扎实，熟悉常用的监督和无监督学习模型（如逻辑回归、支持向量机（SVM）、决策树、随机森林、梯度提升树（XGBoost/LightGBM）等）的原理、适用场景及优缺点。 机器学习（理论与实践）：具备较好的问题导向能力，理解模型选择、交叉验证、超参数调优（如网格搜索、贝叶斯优化）以及模型评估的基本方法；有相关实战经验者优先。 工业应用经验：有处理不平衡数据集的经验，熟悉采样（SMOTE 等）或代价敏感学习等方法。 工业应用经验：熟悉常见的工业异常检测算法（如 Isolation Forest、Local Outlier Factor（LOF）、One-Class SVM），并有处理工业传感器时序数据（Time-Series Data）的经验者优先。 深度学习（重点加强）：熟练掌握至少一种主流深度学习框架（PyTorch、TensorFlow/Keras）。 深度学习（重点加强）：熟悉并应用过卷积神经网络（CNN），尤其是在计算机视觉（CV）领域，如利用图像数据进行表面缺陷检测、定位或分类；有课程项目、科研、实习或实际项目经验均可。 深度学习（重点加强）：熟悉并应用过循环神经网络（RNN）、长短期记忆网络（LSTM）或 Transformer 模型处理序列数据，尤其是在时序数据预测或故障诊断方面有实践经验者优先。 深度学习（重点加强）：了解自编码器（Autoencoder）或生成对抗网络（GAN）等模型在无监督异常检测或数据增强中的应用。 综合素质：具备较强的学习能力、问题抽象能力和工程落地意识，能够在不确定场景中快速成长；我们更看重实际能力、成长潜力和与 AI 协作完成工作的能力，不唯工作年限。 加分项： 有将模型部署到生产环境的经验，如使用 Flask/FastAPI 封装接口，了解 Docker 容器化技术。 熟悉半导体、3C 电子、新能源等相关制造行业的工艺流程，并有相关项目经验。 对因果推断（Causal Inference）、强化学习（Reinforcement Learning）或 AutoML 在工业参数优化方面的应用有了解或实践。 在 GitHub 上有个人项目或对开源社区有贡献。 有使用 AI 工具参与科研、开发、知识管理或项目交付的实践经验者优先。