職責(zé)要求:
1.數(shù)據(jù)治理與架構(gòu)設(shè)計(jì):
負(fù)責(zé)煉鋼生產(chǎn)多源數(shù)據(jù)(傳感器時(shí)序數(shù)據(jù)、工藝日志、質(zhì)檢報(bào)告)的采集、清洗與存儲(chǔ),構(gòu)建高可用數(shù)據(jù)倉庫。
設(shè)計(jì)并優(yōu)化ETL流程,使用Apache NiFi/Spark實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)管道,確保數(shù)據(jù)高效流轉(zhuǎn)與質(zhì)量監(jiān)控。
2.特征工程與領(lǐng)域知識融合:
結(jié)合冶金工藝知識,構(gòu)建時(shí)序特征(如溫度變化率、氧槍操作序列)及冶金特征(如碳當(dāng)量、熱效率指標(biāo))。
開發(fā)自動(dòng)化特征生成工具,支持模型訓(xùn)練與實(shí)時(shí)推理。
設(shè)計(jì)并實(shí)現(xiàn)多模態(tài)混合模型(LSTM+隨機(jī)森林),嵌入冶金機(jī)理約束(如脫碳動(dòng)力學(xué)方程)。
優(yōu)化模型性能,通過超參數(shù)調(diào)優(yōu)、模型壓縮(量化/剪枝)提升邊緣端推理效率。
3.算法創(chuàng)新與驗(yàn)證:
開發(fā)時(shí)序-結(jié)構(gòu)化數(shù)據(jù)聯(lián)合訓(xùn)練框架,解決樣本不均衡、小數(shù)據(jù)泛化問題。
設(shè)計(jì)A/B測試方案,驗(yàn)證模型在實(shí)際生產(chǎn)環(huán)境中的有效性。
將模型封裝為API服務(wù)(FastAPI/Flask),支持工控機(jī)低延遲(<100ms)實(shí)時(shí)推理。
任職資格:
1.精通Python數(shù)據(jù)處理庫(Pandas/NumPy),熟練使用SQL進(jìn)行復(fù)雜查詢與優(yōu)化。
2.熟練掌握PyTorch/TensorFlow框架,有LSTM/Transformer時(shí)序模型實(shí)戰(zhàn)經(jīng)驗(yàn)。
3.熟悉分布式計(jì)算框架(Spark/Flink),有工業(yè)時(shí)序數(shù)據(jù)處理經(jīng)驗(yàn)者優(yōu)先。
4.熟悉OPC UA、Modbus等工業(yè)通信協(xié)議。
5.參與過工藝優(yōu)化或預(yù)測性維護(hù)項(xiàng)目。
6.了解數(shù)據(jù)可視化工具(Grafana/Tableau),能快速定位數(shù)據(jù)異常。
7.熟悉集成學(xué)習(xí)算法(隨機(jī)森林/XGBoost),了解模型解釋性工具(SHAP/LIME)。
8.具備模型部署經(jīng)驗(yàn)(ONNX/TensorRT),了解邊緣計(jì)算優(yōu)化技術(shù)。
9.對工業(yè)場景的數(shù)據(jù)特點(diǎn)(高噪聲、強(qiáng)時(shí)序性)有深刻認(rèn)知,有工藝優(yōu)化項(xiàng)目經(jīng)驗(yàn),熟悉制造業(yè)數(shù)據(jù)特點(diǎn)(如傳感器漂移、數(shù)據(jù)缺失場景),有鋼鐵、化工行業(yè)經(jīng)驗(yàn)者優(yōu)先。
10.邏輯清晰,具備較強(qiáng)的溝通能力,能將業(yè)務(wù)需求轉(zhuǎn)化為技術(shù)方案。
能接受全國范圍內(nèi)出差~