高级算法工程师

一、 主要工作职责
1. 数据驱动的系统建模： 深入理解选煤厂重介、浓缩等核心工艺环节，基于海量高频时序数据，进行系统辨识与动态特性分析，构建能够精准预测工艺参数（如灰分、产率、浓度）的机器学习与深度学习模型。
2. 先进控制算法研发： 负责探索并实施前沿的智能控制算法。技术路径包括但不限于：
建立并优化基于梯度提升决策树（XGBoost/LightGBM）的性能基准预测模型。
设计并实现基于时序神经网络（LSTM/GRU）的状态预测器，并与模型预测控制（MPC）框架结合，开发数据驱动的先进控制策略。
探索强化学习（Reinforcement Learning）在工艺参数寻优和自主控制策略学习中的应用。
3. 算法全周期管理： 负责算法模型的完整生命周期，包括数据清洗、特征工程、模型训练、离线验证、在线A/B测试、部署上线以及持续的性能监控与迭代优化。
4. 跨职能协作： 与工艺工程师紧密沟通，将工艺机理融入模型设计；与系统架构师协作，确保算法模型能够稳定、高效地集成到现有的工业控制软件平台中。
二、 任职资格要求
1. 学历背景： 自动化、计算机科学、数学、控制理论与控制工程或相关领域的硕士及以上学历。
2. 工作经验： 3-5年及以上算法开发经验，其中至少2年专注于工业领域的时序数据分析与建模（如能源、化工、制造、冶金等行业）。
3. 编程能力： 精通Python，并具备丰富的科学计算与机器学习库的使用经验，尤其是PyTorch或TensorFlow，以及Scikit-learn、Pandas、NumPy。
4. 模型经验： 具备从零到一开发并成功部署机器学习/深度学习模型的实践经验，深刻理解模型训练、调优、验证和评估的全过程。
5. 理论基础： 对主流机器学习算法（特别是梯度提升树）和深度学习时序模型（LSTM/GRU）有扎实的理论理解。
三、 优先考虑项
1. 经验加分项：
具备模型预测控制（MPC）或强化学习（RL）在实际项目中的研发或应用经验者优先。
熟悉系统辨识、卡尔曼滤波等现代控制理论者优先。
有处理和分析PLC、DCS等工业控制系统产生的海量时序数据经验者优先。
2. 知识背景加分项：
拥有自动化或控制工程专业背景，同时具备丰富机器学习项目经验的复合型人才优先。
有在国际顶级会议或期刊上发表相关领域论文者优先。
3. 工程能力加分项：
具备一定的C++编程能力，能够进行算法性能优化者优先。
了解MLOps流程，有模型版本管理、自动化部署和在线监控经验者优先