理想汽车【智能工业】算法应用开发工程师

任职要求

1. 计算机、软件工程、自动化等相关专业本科及以上学历，硕士研究生学历优先考虑；
2. 具备扎实的算法与数据结构基础，精通Python编程语言，能够编写高效、可维护的工业级代码；
3. 深刻掌握机器学习全流程方法论，包括但不限于特征工程、模型调优及评估体系设计，熟练使用Scikit-learn、XGBoost、LightGBM等传统机器学习框架；
4. 精通Python数据科学工具链(Pandas/Numpy数据操作、Matplotlib/Seaborn可视化)，具备复杂业务数据的清洗、分析与洞察能力；
5. 熟悉面向对象编程思想，具有模块化开发经验，参与过机器学习工具包开发或自动化建模平台建设者优先；
6. 在时序预测、运筹优化等场景有完整项目落地经验，熟悉人数据分析到模型上线的全生命周期管理；
7. 熟悉工业物联网领域数据特征(如传感器时序数据、设备运行日志、生产质量数据等)者优先；
8. 具备优秀的问题拆解能力与技术钻研精神，对通过技术手段解决复杂业务问题有强烈热情。

工作职责

岗位特点:
1. 聚焦工业领域算法工程化，打造标准化工具生态；
2. 70%精力投入开发基础能力工具，30%支持业务场景落地；
3. 技术栈覆盖：Python生态+数据工程+算法开发应用用+场景应用；
4. 接触典型工业算法场景：质量预告警、设备预测性维护、质量量检测优化、生产排程等。

工作职责：
（一）算法工具链开发
1. 设计并开发算法全生命周期工具链，包括自动化清洗工具、数据关联分析平台、可视化特征工程框架等；
2. 构建模型开发脚手架工具，集成Scikit-learn/XGBoost等主流库库，实现模型训练、调参、验证的标准化流程；
3. 开发轻量化模型部署工具包，支持ONNX/TensorRT等格式转换换，实现容器化部署方案。
（二）基础算法工程化
1. 针对工业场景需求，实现时序预测、分类聚类等基础模型的工程化封装；
2. 优化传统机器学习算法(如Prophet、ARIMA、GBDT)的工程程实现，开发可配置化参数模板；
3. 构建算法效果验证体系，开发自动化测试框架及性能监控工具。
（三）技术支撑与标准化
1. 设计开发算法可视化调试工具，支持特征分析、模型解释性展示；
2. 沉淀工业场景通用解决方案，形成可复用的算法组件库；
3. 编写标准化技术文档，输出算法工程化最佳实践案例。