工业智能软件工程师 15k-30k

岗位职责：
一、工业场景挖掘与数据理解：深入业务一线，与工艺、设备工程师紧密合作，理解化工等流程工业的工艺原理、设备特性和控制逻辑，精准定位可通过AI技术解决的业务痛点（如能耗优化、质量预测、异常诊断等）。
二、多模态时序数据建模与算法研发：
1、负责工业现场多源异构数据（如DCS时序数据、振动信号、质量化验数据）的清洗、分析与特征工程，特别是针对强噪声、强相关性的时序信号进行有效处理。
2、研发并应用先进的机器学习模型，特别是时间序列模型（如Transformer, PatchTST, LSTM等），进行工艺参数预测、产品质量软测量、异常检测与根因分析等任务。
3、探索将图模型、强化学习等前沿算法与工业知识图谱、设备拓扑结构相结合，解决复杂的系统优化问题。
三、模型落地与系统集成：
1、负责AI算法模型的部署、上线及持续优化，确保其在真实工业环境中的稳定性与可靠性。
2、探索AI模型与下层控制系统（DCS/PLC）的集成方案，通过OPC UA等标准协议实现数据交互，为构建先进控制或智能决策支持系统提供核心算法引擎。
3、根据需要，开发或参与开发算法模块的前后端交互界面（如使用JavaScript），为业务人员提供友好的可视化工具。
四、技术传承与创新：跟踪业界***动态，进行可行性验证与技术储备，并在团队内进行分享，提升整体技术水平。

任职条件：
1、教育背景：硕士及以上学历，自动化、控制科学与工程、化学工程、仪器科学与技术、计算机等相关专业。
2、经验背景：具备3年以上工业领域（化工、制药、能源等流程行业优先）的AI算法研发或实施经验。
3、核心技能：
（1）硬核要求：深刻理解流程工业工艺与控制原理，具备出色的信号处理和时序数据分析能力。
（2）算法能力：熟练掌握机器学习经典算法，并至少在一类时间序列问题（预测、分类、异常检测）上有深入的实践经验，熟悉Transformer、PatchTST等现代序列模型者优先。
4、编程能力：精通Python及主流数据科学库（PyTorch/TensorFlow, Pandas, Scikit-learn等），具备优秀的工程实现和代码调试能力。
5、控制基础：掌握坚实的控制理论基础知识，如现代控制理论、模型预测控制等。
6、具备图模型、强化学习在工业场景中的应用经验。
7、熟悉DCS/PLC等工业控制系统架构，或有OPC UA通信协议的开发经验。
8、具备一定的前端开发能力（如JavaScript），能够进行简单的算法结果可视化展示。
9、会议或期刊（如NeurIPS, ICML, KDD, IEEE汇刊等）上发表过相关领域论文。