阿里云阿里云智能-工业控制优化算法专家-杭州/广州
任职要求
1、 全日制硕士研究生及以上学历，电气、自动化、热动等工科相关专业，具有5年以上流程化工、火电热电等工业控制系统设计及优化调试工作经 2、 掌握PID、MPC等常规控制算法原理及参数整定方法；熟悉常用的LP、NLP以及种群优化等优化求解算法； 3、 具备扎实的编程…
工作职责
1. 核心控制优化算法研发： 负责设计和开发适用于流程制造、发电等行业的工业控制优化核心算法，并沉淀工业算法平台中 2. 行业解决方案研发： 针对流程制造及发电行业的具体应用场景（如能耗优化、环保优化、产量提升等），进行深入分析并设计出具有竞争力的控制优化方案。负责方案的关键技术突破，旨在构建难以被复制的技术壁垒，为客户提供差异化的价值。 3. 探索大模型与控制优化最佳结合： 研究如何将大语言模型及多模态大模型应用于工业控制优化领域，保障模型输出的可靠性，形成可落地可投运的方案 4. 重点项目交付： 在重大项目的实施过程中担任关键角色，与客户及伙伴合作，推动产品与方案在项目中的落地，确保项目按时高质量完成 5. 业务机会与技术支持： 积极参与跨部门合作，与架构师、产品经理密切配合，在项目执行以及客户交流过程中，识别潜在的业务机会和技术需求，提供专业的技术支持和解决方案建议，助力公司业务的持续增长。
语音是人机交互中最自然、最便捷的模态。随着大模型时代的到来，语音AI的研究正从单一任务向多模态、高自然度交互演进。在阿里巴巴，我们的语音技术已深度植入流媒体、直播互动、智能客服、办公会议、AIoT及数字人等多元场景。我们正在寻找志同道合的伙伴，共同探索语音技术在复杂场景下的极限。在这里，你不仅能触达海量的真实数据，更能亲手打造影响亿万用户的交互体验。一段更具挑战、更有成就感的旅程正待开启！ 岗位职责： 1. 核心算法研发： 负责语音信号处理领域的前沿算法研究与落地，包括但不限于语音识别（ASR）、语音合成（TTS）、说话人识别与分离（Speaker Verification/Diarization）、语音增强及端到端语音交互方案； 2. 专项技术突破： ● 声纹与属性识别： 负责声纹识别、语种识别以及情绪识别（Emotion Recognition）的算法优化，提升在真实业务场景下的识别精度与跨域泛化能力； ● 音频内容理解： 基于语义与声学特征，深度挖掘语音中的情感、意图及环境信息，赋能直播审核、内容分析等业务； ● AI-VAD： 研发基于深度学习的高鲁棒性语音活动检测（VAD）算法，解决强噪声、多语者叠加、远场等复杂环境下的起停点检测痛点； 3. 模型工程化落地： 推动算法在云端或端侧的部署优化，在保障性能（精度/鲁棒性）的同时，平衡算力消耗与推理延迟； 4. 技术预研： 跟踪并探索语音领域前沿技术（如大语言模型与语音的结合、Speech-to-Speech原生端到端交互等）。
1、设计并实现高精度定位的多模态数据融合方案（如GPS、IMU、视觉等），提升环境感知与定位鲁棒性。 2、开发端到端的定位及轨迹预测算法，结合自回归模型（AR）或时序建模技术，实现复杂交通场景下的高可靠性决策。 3、探索大模型（如Transformer、GNN）在自动驾驶中的应用，设计基于强化学习（RL）的决策优化框架，提升动态环境下的安全性和效率。 4、研究并实现基于强化学习的运动规划算法，结合奖励函数设计与策略优化。 5、将算法部署至实际终端，完成实时性、稳定性优化，推动算法在真实场景中的闭环迭代。 6、技术攻坚与创，跟踪学术界与工业界最新进展（如BEV感知、diffusion policy、模仿学习等），主导关键技术预研与原型开发。
职位描述 1、负责喷墨打印机或3D打印机的传感器选型、驱动开发、数据采集与处理，包括但不限于温度、压力、位置、光电、激光等传感器的集成； 2、设计高精度传感器信号处理算法（如滤波、校准、噪声抑制），确保传感器数据的准确性与实时性，支撑打印机的精密控制； 3、开发传感器数据融合方案，结合多传感器信息实现设备状态监测、故障预警及自适应控制功能；
角色定位: 我们正在寻找一位能源管理和工业自动化领域的数据科学家，负责在能源管理和工业自动化领域的特有场景中寻找数据规律，挖掘数据价值，建立数学模型，完成AI模型开发的前期数据工作。作为一名数据科学家，您将参与真实客户项目的数据工作和AI标准化产品的数据工作。你的相关合作方包括：自动化工程师、领域专家，算法产品，算法开发。 主要职责: 1. 能源场景建模：能源管理优化的数据分析，特征工程，设备建模，场景建模（如：数据中心制冷/供电系统节能、微电网调度与储能控制） ； 2. 工业场景建模：针对设备预测性维护、能源消耗优化、生产流程提效等场景，开发机器学习/深度学习模型（如时序预测、异常检测、故障诊断）； 3. 工业数据治理：处理传感器时序数据（SCADA/DCS系统）、设备日志、能源计量数据，解决数据缺失、噪声干扰等工业现场问题； 4. 跨部门协作：与自动化工程师、领域专家合作，理解业务场景，与算法产品，算法研发合作，完成数据建模，设计AI算法模型； 5. 价值闭环验证：设计A/B测试，量化模型对能耗降低、故障率下降、产能提升的实际效益；