算法工程师

岗位职责：1.数据智能与模型开发：基于用户训练数据，设计并开发智能化数据分析与建模方案，支持训练效果评估和智能反馈。从用户行为、设备交互、操作数据等多维度数据中提取特征，构建预测、分类或优化模型，用于提升仿真训练的效率和效果。2.智能算法的研发与优化：开发面向仿真训练、模拟操作的智能算法，包括训练行为评估算法：用于实时或离线分析用户操作质量和学习效果。用户行为预测模型：分析学员的操作习惯，预测学习曲线和潜在问题。异常检测与故障诊断：对设备和系统运行状态进行监控，识别异常情况并提供解决方案。优化现有算法的性能，使其能够适应实时性、高并发和工业实际需求。3.场景智能化支持：为模拟器、仿真训练和智能化场景提供数据驱动的智能化支持，包括但不限于：用户操作的实时打分和反馈。设备训练过程中的状态监控与异常分析。智能工厂场景中的生产线优化、设备预测维护等应用。4.数据分析与指标体系搭建：根据不同的业务场景，设计与实现数据分析方法，支持训练反馈、系统优化等需求。搭建科学的评估指标体系，用于衡量训练效果、设备性能和系统效率。5.系统集成与算法部署：负责算法的工程化实现，确保其在实际业务场景中的稳定运行。跟踪人工智能、数据智能和智能领域的*新技术动态，探索其在仿真训练和模拟器中的创新应用。任职要求：1.与专业背景：计算机科学、人工智能、数据科学、自动化或相关专业，及以上。2.技术能力：掌握常见的人工智能和机器学习算法（如分类、回归、聚类、强化学习等）。熟悉机器学习或深度学习框架（如TensorFlow、PyTorch、Scikit-learn）。精通数据分析与处理技术，熟练使用Python、C++或其他数据分析工具。了解工业和仿真场景的数据特性，能够设计针对性的智能算法。有数据可视化工具开发经验（如Tableau、PowerBI、Matplotlib、D3.js）3.场景经验：有以下任一领域的经验者优先：仿真训练或模拟器相关项目。工业数据应用（如设备预测维护、故障诊断、生产线优化等）。仿真训练系统中的智能评估、学习路径优化等。4.系统开发与工程化能力：具备算法工程化能力，能够将算法集成到系统中，支持高效的运行和持续迭代。熟悉分布式计算、边缘计算或云计算的基本原理，有相关经验优先。
联系我时，请说是在58同城上看到的，谢谢！