济南应用研发工程师
应用研发工程师是负责开发和设计新的软件应用程序或升级现有应用程序的专业人员。他们与团队成员合作，根据客户需求和市场趋势，制定和执行应用程序开发计划。应用研发工程师需要具有深厚的编程知识和技能，熟悉各种编程语言和开发工具，并能够解决复杂的技术问题。他们还需要与产品经理、设计师和测试团队密切合作，确保开发的应用程序能够满足用户需求并达到高质量标准。此外，应用研发工程师还需要密切关注技术发展趋势，不断提升自己的技术水平，以应对快速变化的市场需求。这个职业需要创造力、技术能力和团队合作精神。
薪酬概览
平均月薪
¥11300
中位数 ¥12000 ｜ 区间 ¥8600 - ¥14000
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
71.4% 人群薪酬落在 8-15k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
5
对比上月：岗位减少5
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 不限经验 | 5 | 100% |
热招职位
AI应用开发与系统集成工程师（数智化工厂方向）(J10957)
1. 负责将算法团队交付的模型进行服务化封装（如RESTful API、gRPC服务），开发高性能、高可用的后端应用，并负责在服务器或云平台上的部署、监控与维护。
2. 对接生产现场的 PLC、传感器等工业设备，实现设备数据的采集、传输与解析，打通信息系统与物理设备间的数据壁垒。
3. 开发用户友好的Web前端或桌面客户端界面，用于数据展示、模型参数输入、预测结果可视化及交互式分析。
4. 负责AI应用与公司内部系统（如MES, LIMS, ERP, 实时数据库）的集成，设计并实现稳定、安全的数据交换接口与自动化数据管道。
5. 开发供生产或技术人员使用的内部AI工具平台、数据分析平台或模型管理平台，降低AI技术使用门槛。
6. 参与AI项目从技术可行性评估、供应商产品对接（若需要）、技术选型、开发实施到上线运维的全过程，确保项目成功落地。
1、AI智能体设计与开发 负责公司AI智能体（Agent）的设计、开发与运维，搭建自动化业务流程，提升业务运行效率。
2、AI门户建设与运营 主导公司AI应用门户的规划与建设，整合内外部AI能力，打造统一的AI服务入口，持续优化用户体验。
3、垂类模型应用落地 结合制药行业业务场景，探索并落地垂直领域AI模型应用，包括但不限于文档智能、质量分析、工艺优化等方向。
4、数据中台与知识库建设 负责公司数据中台架构设计与建设，推进知识库体系的构建、管理与持续运营，支撑数据资产化与智能化应用。
1、视觉、MES、机器人、业务系统等软件项目的设计、开发、调试、维护以及资料受控
2、所负责项目涉及到的机械,电气,工艺,品质等工程师进行项目设计调试维护过程中的沟通确认
3、所负责项目完成后,维护相应的受控代码,设计文档等资料,交接相应项目的维护操作等
4、完成上级领导安排的其他工作任务
1、模型开发与迭代：针对培养基优化、细胞培养参数预测、纯化条件推荐、制剂稳定性预测等场景，设计并实现ML模型；负责数据预处理→特征工程→模型选型与训练→交叉验证→超参数调优的全流程；把算法模型封装为内部可用工具。
2、可复用Pipeline建设：编写可复用的ML Pipeline代码，建立模型版本控制与实验追踪机制；
3、模型可解释性：在工艺科学家配合下进行SHAP/LIME等可解释性分析，确保模型输出对工艺人员可理解；
4、工具链与基础设施：搭建和维护团队模型训练与推理环境；开发面向AI Champion的轻量分析工具（Streamlit/Gradio应用），降低AI使用门槛；
5、跨板块技术支持：为AI Champion提供模型使用培训和技术答疑；协助各板块进行数据分析与可视化的quick win项目，快速建立信任；
6、文档与知识沉淀：编写模型开发文档和使用手册，定期组织内部技术分享，维护团队代码仓库和技术Wiki。
7、负责接口开发、可视化后台、实验数据自动导入、SHAP可解释性模块开发、软件开发。
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1.负责新产品立项、开发等整体技术规划与实施；主导处方设计、工艺优化、中试放大及技术转移，解决工艺开发中的关键技术问题；确保制剂工艺符合国内外药品注册要求及GMP规范。
2.协助生产解决“卡脖子”难题，助力降本增效、质量提升、工艺技术水平提升、工艺安全等，主导重大变更申报资料的撰写与审核。
3.跟踪行业新技术（如连续制造、纳米制剂、3D打印等），推动创新技术应用。
4.与研究院、生产、质量等部门紧密合作，推动项目全生命周期管理。
1. 负责软件开发工作，包括需求分析、系统设计、编码、单元测试、系统集成和服务部署等环节。
2. 参与项目需求评审和技术方案讨论，明确项目开发进度和质量;根据业务需求，进行软件开发工作，编码高质量的Python代码。
3. 负责系统性能优化和代码重构，提高系统的稳定性和可维护性。
4. 参与代码审查，确保代码质量和规范符合团队标准。同时 编写技术文档,包括需求文档、设计文档、测试文档、用户手册等。
5. 与团队密切合作，保质保量的完成leader分配的任务，解决项目中的技术难题和需求变更。
1. 根据业务部门需求，完成系统功能设计、开发与测试，确保高质量交付；
2. 参与人力资源系统等核心项目开发，承担关键模块或服务的设计与编码；
3. 负责系统接口设计、数据库建模与性能优化，持续提升系统稳定性与可维护性；
4. 编写开发文档与技术规范，推动团队技术沉淀与标准化建设；
5. 支持前后端协同开发，配合完成中台系统、表单流程的快速构建；
6. 关注主流技术方向，参与微服务架构、DevOps、AI项目等智能化改造工作；
7. 必要时承担项目指导或评审角色，提升团队整体开发效能。
8. 部门内其他工作。
1、负责大模型训练平台的结构设计、核心模块开发与性能优化，支持大规模分布式训练任务；
2、参与数据集的构建、清洗、预处理以及高效存储方案设计，确保数据质量与训练效率；
3、实现模型微调全流程工具链使用，包括参数配置、训练策略优化及资源调度；
4、开发模型验证与评估系统，设计自动化测试框架，确保模型效果符合业务需求；
5、跟踪大模型技术前沿，探索高性能计算、显存优化等关键技术落地。
1、负责药物研究院研发信息化需求的调研，对接集团研发信息化项目在药物研究院的落地管理及功能推广；
2、跟踪行业内AI技术的最新发展动态，评估新技术在医药研发中的应用潜力，并推动技术落地；
3、与研发团队紧密合作，深入了解研发需求，负责AI模型的开发与训练，将AI技术融入研发流程，提升研发效率和精准度；
4、开发和维护研发相关的AI软件系统和平台，提供稳定的技术支持；
5、协助研发团队处理和分析海量的研发数据，包括合成化学数据、临床试验数据、药物分析数据等，确保数据的质量和可用性。
1、主导大模型选型、微调策略与训练框架设计
2、搭建模型评测体系，持续优化模型性能与业务适配度
3、优化模型推理性能，实现低成本、高效率的模型部署
4、跟踪前沿技术（如多模态、Agent、RAG），规划技术演进路线
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。