有个资深AI算法工程师的岗位
职位名称：资深AI算法工程师（电池状态估计方向）
所属部门：先进技术研发部
汇报对象：算法负责人

职位概述
你将负责下一代智能BMS（电池管理系统）核心AI算法的研发，专注于云端SOX（State of X，包括荷电状态SOC、健康状态SOH、功率状态SOP等）的模型训练、微调与优化。你将从海量电池时序数据（电压、电流、温度等）中学习复杂非线性映射，训练出高精度、可部署的深度学习模型，并通过知识蒸馏、量化压缩等技术，将云端模型高效迁移至端侧边缘计算平台。

岗位职责
云端模型训练与微调

基于大规模电池时序数据（电压、电流、温度等），训练和微调SOX估算模型（如LSTM、TCN、CNN-BiLSTM、Transformer，PINN等）。

设计合理的训练/验证/测试集划分，优化损失函数与超参数，追求精度与泛化能力的平衡。

时序预测算法研发

探索先进的深度学习架构（如注意力机制、图神经网络、扩散模型等）在电池状态估计中的应用。

解决时序预测中的常见问题：长序列依赖、噪声鲁棒性、非平稳性、多工况适应等。

模型压缩与部署准备

负责模型量化（INT8/FP16）、剪枝、知识蒸馏，生成轻量化学生模型，为端侧边缘计算平台（如ARM Cortex、NPU、DSP）提供支撑。

使用ONNX、TensorRT、TFLite等工具进行模型转换与性能评估。

训练流程与数据管理

搭建和维护云端训练环境（GPU服务器/私有云/Kubernetes），实现自动化训练、版本管理和实验追踪（MLflow、Weights & Biases等）。

与数据工程师配合，建立数据版本控制和数据增强流水线。

评估与迭代

设计全面的评估指标体系（RMSE、MAE、最大误差、不同工况下的分段误差），持续跟踪模型在验证集和实车数据上的表现。

根据端侧反馈（如模型漂移、新工况），定期进行模型再训练和OTA更新。

跨团队协作

与嵌入式工程师协作，提供可供端侧部署的模型文件，并输出推理接口文档。

与数据采集团队沟通，明确数据标注规范和采集需求。

任职要求
必要条件
学历与经验：计算机、人工智能、数学、统计学等相关专业硕士及以上学历，3年以上深度学习算法研发经验（优秀博士可放宽年限）。

深度学习基础：精通PyTorch或TensorFlow，熟悉LSTM、GRU、TCN、Transformer等时序模型，有实际训练和调优经验。

编程能力：熟练使用Python，熟悉NumPy、Pandas、Scikit-learn等数据科学库。

模型优化：了解模型量化、剪枝、蒸馏等压缩技术，有ONNX/TensorRT/TFLite使用经验。

工程思维：具备良好的代码规范、实验记录习惯和问题分析能力。
--
FROM 152.101.166.*