算法高级工程师(J14187)

1.时序信号分析与设备健康管理：
1.1基于大规模车辆传感器时序数据与CAN/以太网总线信号，构建高精度的时序预测、异常检测与设备诊断模型；
1.2针对动力电池、电驱系统及关键车载部件开展健康状态评估（SOH/SOC）、寿命预测与故障预警，推进车端/云端工艺协同优化。
2.车联网数据挖掘与智能应用研发：
2.1行为挖掘与智能建模： 负责海量车联网多维时空数据的高效挖掘与特征工程，构建用车行为画像、驾驶风格/安全评估、充电行为特征与偏好等核心算法模型；
2.2工况与里程预测： 融合车辆工况信号、动力电池状态、环境气象及历史驾驶轨迹，研发高精度、动态自适应的车辆续驶里程与电耗预测算法；
2.3知识检索与RAG落地：探索生成式 AI 与大语言模型在车主服务场景的应用，负责电子车书手册查询、用车问答等场景的高质量检索增强生成（RAG）方案设计与效果调优。
3.前沿技术演进与探索：
3.1探索前沿生成式AI、多模态融合、强化学习（RL）以及 AI4Science（在智慧出行决策、物理建模、电池化学机理、热管理控制优化等领域的应用）；
3.2保持对学术界和工业界前沿技术的追踪，推动算法成果的高质量工程化落地与模型迭代闭环。

1. 教育背景：

o 计算机科学、人工智能、数据科学、控制工程、工业工程、自动化、应用数学/统计学等相关专业本科及以上学历。

2. 理论与基础知识：

o 数学与统计学基础扎实，深刻理解机器学习与深度学习的核心原理，对各类经典模型、优化器及注意力机制有本质认知；
o 具备严谨的科研思维与工程直觉，能从混乱、噪声大的海量工业与多模态数据中抽象出精准的数学/算法问题。

3. 工程与代码能力：

o 拥有优秀的编程习惯与严谨的代码规范，熟练掌握 Python、SQL、Java等语言；
o 深入使用 PyTorch、TensorFlow 等至少一种主流深度学习框架，熟悉分布式训练、模型量化推理加速者优先。

4. 项目经验（具备以下一个或多个领域深入经验）：

o 时序与工业建模： 熟悉多变量时序预测、异常检测、设备状态机诊断、工业工艺参数优化、AI4Science 仿真与机理建模；
o 生成式与语言模型： 熟悉大语言模型（LLM）预训练/后训练（SFT/RLHF/DPO）、Prompt工程、Agent Harness；
o 视觉与多模态： 熟悉计算机视觉、NLP、图神经网络、搜索与推荐系统等。

5. 核心特质：

o 自驱力强： 面对开放式复杂问题具有强烈的探索精神，不设边界；
o 面向AI时代： 善于使用最前沿的技术与工具解决问题，既能读懂顶会论文精髓，又能落地到高可用、高可靠的工程场景中。
加分项

• 在顶会或期刊发表过高水平论文；
• 在知名数据科学/算法竞赛（如 Kaggle、天池、KDD Cup等）中取得过优异成绩；
• 拥有主流开源社区活跃贡献经历（如 HuggingFace、vLLM、LangChain 等）；
• 具备智能汽车、车联网、物联网（IoT）或智能制造领域的实际量产项目落地经验。