若干

数字能源技术部

数字能源 技术部

技术经理 （工业AI算法）

1. 针对化工时序类业务需求（如风光功率预测、设备故障预警等），负责历史时序数据的整理、清洗及特征工程，完成预测模型的训练与验证；定期根据生产数据反馈优化模型，持续提升预测准确率，为生产调度、设备预防性维护等业务决策提供数据支撑； 2. 围绕工业知识类需求，搭建 RAG 系统；负责工业知识库的结构化处理，选择适配的 LLM 或调用 API，优化检索策略，确保系统能准确响应查询需求，有效提升工业知识获取效率； 3. 面向工业视觉类项目（如质检、定位等），优选适配的目标检测 / 实例分割算法；指导完成数据标注工作，开展模型训练与调优，确保模型在生产环境中满足检测精度、处理速度等核心指标，解决传统质检效率低、误判率高的问题； 4. 与业务团队深度沟通，明确业务需求与算法目标；输出可落地的算法实施方案，跟进项目上线后算法的实际运行情况，收集业务反馈并迭代优化模型；同步记录技术文档，确保算法应用的可追溯性与可复现性； 5.其他工作。

全日制硕士研究生及以上，全日制博士研究生优先

计算机科学与技术、人工智能等相关专业

1. 具备3年以上相关工作经验，具有扎实的 Python 编程能力，熟练运用 PyTorch、TensorFlow 等深度学习框架，可独立完成大型工业场景下的数据预处理、模型训练及部署测试全流程工作，确保算法落地的技术可行性 2. 熟悉目标检测、实例分割算法的核心原理及工业场景适配方法，能结合业务需求完成算法选型、参数调优与效果验证；了解序列预测常用方法，可处理工业时序数据并构建符合业务需求的预测模型，解决实际生产中的数据驱动类问题 3. 掌握 LLM基础应用逻辑，能基于开源模型或第三方 API，结合工业业务场景搭建 RAG系统，独立完成知识库构建、检索策略优化及问答效果迭代，支撑工业知识类需求的高效响应； 4. 具备业务需求拆解能力，可将复杂工业业务逻辑转化为清晰的算法目标；有多个相关工业 AI 项目实践经验者优先，能快速适配不同工业场景的技术落地需求； 5.思维清晰、具有较强的语言表达能力。