预测算法工程师

工作职责：
1.负责设备故障预测与健康管理（PHM）核心算法的研发，基于机器学习（随机森林/SVM）及深度学习（CNN/LSTM）架构，构建高精度的故障诊断与寿命预测模型。
2.攻克小样本学习难题，针对工业场景数据稀缺痛点，研发并应用小样本训练技术（Few-shot Learning），提升模型在冷启动或罕见故障下的泛化能力。
3.作为技术接口人，对接高校（如理工大学）及第三方合作方，利用统计学方法（假设检验、相关性分析）及专业领域知识，对合作方提供的算法进行科学性、全面性及鲁棒性评估。
4.执行算法复杂度评估与优化：建立算法复杂度评估体系，分析时间与空间复杂度，确保算法在服务器端的实时性与资源占用满足生产环境需求。
5.负责算法的工程化落地：将验证通过的模型转化为高性能Python代码，部署至服务器端，优化推理速度，满足实时在线分析需求。
6.构建模型评估体系：定义并监控准确率、召回率、F1-score等关键指标，结合时间序列预测趋势，持续迭代优化模型性能。
7.跨部门协作与技术支持：与研发团队紧密配合，将算法成果转化为实际生产力，解决设备运维中的实际痛点。
任职要求：
1.硕士及以上学历，计算机、人工智能、信号处理、机械工程或相关专业背景。（特别优秀者可放宽至本科）。
2.精通机器学习（随机森林、SVM等）及深度学习（CNN、LSTM等）原理，有扎实的数学基础，能够独立推导算法公式，
3.具备小样本学习（Few-shot Learning）相关项目经验；熟悉算法复杂度分析方法，有对第三方算法进行技术评估或审计经验者优先。
4.精通Python编程，具备将算法模型封装、部署及性能优化的实际经验，了解服务器端实时计算架构。
5.精通统计学方法，能熟练运用假设检验、相关性分析等工具处理时间序列数据，具备优秀的数据洞察能力。
6.具备良好的学术与技术对话能力，能够理解高校/科研机构的算法逻辑，并能将其转化为工程语言进行有效评估和落地。
7.有大型制造业设备预测性维护（PdM）项目落地经验者优先；发表过相关领域高水平论文或拥有相关发明专利者优先；熟悉大数据处理流程，有海量振动数据处理经验者优先；熟练掌握振动信号处理技术优先，包括但不限于短时傅里叶变换、小波变换、包络谱分析等。