时间序列算法工程师

岗位职责
算法研发与优化：参与时间序列方向的AI算法研发。针对能源制造业（如设备能耗预测、故障预警等）及数字孪生业务场景，协助设计、实现和优化时序模型，提升预测精度和异常检测的灵敏度。
项目实施与落地：参与公司相关项目的算法设计与实施，与团队紧密合作，解决数据缺失、噪声干扰等非平稳性问题，确保算法在实际业务场景中的有效落地，辅助提高生产效率和质量。
技术研究与创新：关注时间序列领域的最新研究成果，结合公司业务需求，在导师指导下探索引入创新的建模方案，推动技术进步。
团队协作与学习：积极参与团队技术分享，协助解决基础技术难题，快速吸收专业知识，与团队共同成长，提升整体技术水平。
任职要求
1. 基础素质与经验
计算机科学、人工智能、数学、统计学、自动化等相关专业本科及以上学历。
具备1年以上机器学习、深度学习相关工作经验（优秀应届毕业生如有高质量实习项目或竞赛经历亦可考虑）。
热爱人工智能与数据科学工作，具备快速学习和适应新技术的能力，能够持续关注和应用AI领域的最新成果。
具备良好的逻辑思维能力和问题解决意识，能够独立思考和分析问题。
具有良好的团队合作精神和沟通能力，责任心强，能在指导下高效完成分配的任务。
2. 核心专业技能（时间序列方向）
理论基础：掌握统计学原理及深度学习核心算法，熟悉传统时序模型（ARIMA, Prophet等）及主流深度时序模型（RNN/LSTM/GRU, TCN, Transformer variants等）的基本原理。
实践经验：在以下至少一个子领域有一定的实践或项目经验：
时序预测：参与过单变量/多变量预测任务（如负荷预测、销量预测等）。
异常检测：了解无监督/半监督异常检测方法，有处理传感器数据异常的经验。
特征工程：具备基本的数据清洗能力，能进行时域、频域特征提取，处理缺失值及离群点。
加分项：有能源、电力、制造业或物联网（IoT）相关项目经验者优先；在Kaggle、天池等数据竞赛中有时序类获奖经历者优先。
3. 技术栈要求
编程语言：熟练掌握 Python，具备良好的代码规范；了解 SQL 基本操作。
深度学习框架：熟悉 PyTorch 或 TensorFlow 至少一种框架，能够复现基础论文模型或进行微调。
常用库：熟练使用 Pandas, NumPy, Scikit-learn, Statsmodels, Matplotlib/Seaborn 等数据分析与可视化库；了解各种时序专用库者更佳。
工程化基础：
熟悉 Linux 开发环境，会使用 Git 进行版本控制。
了解 Docker 容器化基本概念。
对大数据处理（如 Spark, Flink）或时序数据库（如 InfluxDB）有初步了解者优先。