机器学习算法工程师

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。

* 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。

* 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。

* 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。

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。至少1年以上将机器学习/深度学习模型应用于实际问题的建模经验。

* 编程与工具:

* 精通 Python 及其数据科学生态，包括但不限于 Numpy, Pandas, Scikit-learn, Matplotlib, Seaborn。

* 具备优秀的数据处理、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。

* 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。

* 问题导向: 具备丰富的模型选择、交叉验证、超参数调优（如网格搜索、贝叶斯优化）以及模型评估的实战经验。

* 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。

* 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）:

* 框架掌握: 熟练掌握至少一种主流深度学习框架（PyTorch, TensorFlow/Keras）。

* 模型应用:

* 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。

* 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。

* 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。

* 加分项:

* 有将模型部署到生产环境（如使用 Flask/FastAPI 封装接口，了解 Docker 容器化技术）的经验。

* 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。

为什么要加入我们？

* 技术驱动: 您将与***的技术团队合作，接触最前沿的AI在工业领域的应用。

* 价值创造: 您的每一个算法和模型，都将直接转化为生产线上的效率提升和成本节约，成就感十足。

* 快速成长: 公司提供完善的培训体系和广阔的职业发展空间，鼓励创新与尝试。

我们期待您的加入，共同用代码和算法定义下一代智能制造！