岗位职责
- 数据驱动建模与算法开发：针对电池传感器时序数据，设计并实现特征提取、模式识别与异常检测算法；研发用于电池健康状态（SOH）估计、剩余寿命（RUL）预测、热失控预警、快充优化等关键场景的机器学习/深度学习模型；探索大模型（如时序预测模型、多模态模型）在复杂电池工况分析、跨维度数据融合（如电化学+热+电）中的应用。
- 智能诊断与决策系统构建：构建电池系统感知-诊断-决策的AI推理引擎，实现实时状态评估、故障根因分析与维护策略推荐；开发自适应学习机制，使模型能随电池老化、工艺变更而持续优化。 平台集成与工程化落地：将AI模型产品化为云平台微服务，确保高并发、低延迟的数据处理与推理能力；与大数据平台深度集成，构建从数据接入、特征工程、模型训练到在线服务的全链路流水线。
职位要求
- 熟悉统计学、机器学习、深度学习、锂电池算法，数据科学、控制、材料、机械等专业优先；
- 熟练使用python进行特征工程、数据挖掘、算法建模，熟悉PyTorch、Scikit-Learn、等框架，熟悉大模型LLM、Agent、RAG等场景应用；
- 具有良好的编码规范，较强的沟通能力、AI与算法学习能力。
