人工智能（AI）软件工程师

负责设计、开发并部署先进的AI/机器学习模型，以精确预估复杂工况下电池的实时健康状态（SOH）、剩余寿命（RUL）及异常预警。直接赋能我们的电池管理系统、产品设计优化和售后服务体系，对提升产品安全性、可靠性与用户体验至关重要。
核心职责
算法研发与建模： 研究并开发用于电池健康状态估计的时序预测模型（如LSTM, Transformer）、深度学习及融合物理信息的神经网络模型。
数据处理与特征工程： 处理来自实验室和真实场景的大规模、多源异构电池数据（电压、电流、温度、阻抗等），构建高质量的特征工程与数据集。
全流程开发： 主导从数据探索、模型训练、验证到在嵌入式/云平台部署的完整机器学习管道。
性能优化： 持续优化模型的准确性、鲁棒性、计算效率及内存占用，满足边缘计算或实时系统的严苛要求。
跨团队协作： 与电池科学家、BMS工程师、数据平台团队紧密合作，将算法需求转化为工程实践，并推动模型的产品化落地。
技术前瞻： 跟踪学术界与工业界在电池AI、 prognostics and health management 领域的最新进展，并评估其应用潜力。
任职要求
必需条件：
计算机科学、软件工程、机器学习或相关专业硕士及以上学历。
扎实的Python编程能力，精通PyTorch或TensorFlow等主流深度学习框架。
深厚的机器学习理论基础，在时间序列预测、回归模型、概率建模方面有实际项目经验。
出色的分析问题和解决问题的能力，具备将模糊业务需求转化为清晰技术方案的能力。
优秀的沟通能力和团队协作精神。
优先条件（具备以下经验者优先）：
有电池、储能系统、新能源汽车BMS 或相关领域的研究或项目经验，熟悉电池基本电化学原理与特性。
具备将机器学习模型部署到嵌入式设备（如ARM MCU、FPGA） 或边缘计算平台的经验，熟悉模型压缩与量化技术。
熟悉信号处理、传感器数据分析或PHM。
有使用云计算平台（AWS/GCP/Azure）进行大规模数据处理和模型训练的经验。