TX_AI算法工程师

Job description

产线智能应用开发

• 针对生产制造场景（如工艺参数优化、设备故障预测、不良分析、生产调度排程、物料需求预测等），设计并实现机器学习/深度学习模型，推动模型在生产环境中的部署与迭代。

工业数据分析

• 处理和分析生产过程中的海量时序数据、传感数据、工艺参数、质量检测数据等，挖掘影响产能与品质的关键因子，构建数据驱动的决策模型。

算法工程化落地

• 与软件工程师协作，将算法封装为API或边缘端服务，确保模型在产线工控机、边缘网关或云端的稳定运行，满足实时性与可靠性要求。

持续优化与创新

• 跟踪工业智能最新技术（如数字孪生、强化学习、小样本学习等），评估其在公司产线上的可行性，主导或参与技术原型验证项目。

计算机视觉辅助能力

• 虽不限于CV，但需具备基础视觉能力（如利用简单图像识别辅助产品缺陷定位、安全行为检测等），配合视觉团队完成必要的数据标注、模型选型或效果验证工作。
• 出差国外与国内其他工厂，频率每年1~2次，每次2个月。 1、3~5年算法开发工作经验，计算机科学与技术、人工智能、嵌入式开发，数据科学与大数据技术，软件工程等相关专业的211本科及以上学历。 2、算法基础：精通至少一种主流深度学习框架（PyTorch/TensorFlow），熟练使用Python/SQL；熟悉传统机器学习算法（XGBoost、随机森林等）与时间序列分析（ARIMA、LSTM、Transformer等）。 3、工业场景理解（关键加分项）：了解制造业常见业务痛点（如设备OEE、良率爬坡、换线效率、能耗优化等），有工业数据（PLC、SCADA、MES）处理经验者优先。 4、工程能力：熟悉Linux环境，掌握Docker、Git；有模型压缩、边缘端部署（ONNX/TensorRT）经验者优先。 5、软素质：逻辑清晰，具备将模糊生产问题转化为算法问题的能力；能承受产线现场调试的短期出差与压力。

加分项

有制造行业AI落地项目经验（如缺陷检测、预测性维护、智能排产等）。 熟悉运筹优化（整数规划、遗传算法）或强化学习（DQN/PPO）。