AI Algorithm Specialist

Job Description

聚焦AI算法与大模型技术在能源领域尤其是发电领域（包括火电和新能源）场景中的研究与落地。算法功底扎实，对大模型技术有深入理解并能够根据产品需求快速完成从算法选型、开发到工程交付。

How You'll Make an Impact

• 根据产品团队提出的场景需求，进行算法调研、方案设计与技术选型，输出可落地的算法方案，并推动从原型验证到线上部署的全流程交付。
• 研发面向时序数据的异常检测、趋势预测、模式识别等核心算法，持续优化模型在准确率、误报率、召回率、泛化性等维度的表现。
• 深入研究大语言模型（LLM）在能源智能领域的应用，包括但不限于：基于LLM的智能精确诊断问答与推理、运维日志与报警信息的语义理解、结构化知识抽取与知识图谱构建、多轮对话式故障分析Agent、LLM与时序模型的协同架构设计。
• 探索多模态大模型在能源场景的落地路径，如结合振动频谱图、趋势曲线图等视觉信息与文本信息进行综合诊断推理。
• 研究自监督学习、迁移学习、无监督学习等方法，解决能源场景中标注数据稀缺、故障样本不均衡、故障样本自选择的现实问题。
• 建立规范的算法评估体系与实验管理流程，确保算法迭代的可追溯、可对比、可复现。
• 与领域工程师紧密协作，将业务侧描述的设备问题转化为明确的算法问题定义，领域知识由团队提供，你负责算法侧的解题。

What You Bring

• 学历： 硕士及以上学历。计算机科学、人工智能、机器学习、统计学、数学、信号处理等相关专业。
• 经验： 5年以上算法研发应用经验，有实际项目从研究到产品落地的完整经历。有能源领域大模型应用研发经验的优先。
• 算法能力：扎实的机器学习与深度学习理论基础，不是只会调用框架API，而是能讲清楚损失函数为什么这么设计、模型为什么在这个场景下失效。熟练掌握时序分析相关方法，以及统计与机器学习方法，能根据问题特点选择合适的技术路线。
• 大模型能力：对LLM技术栈有体系化理解，包括Prompt Engineering、RAG、Fine-tuning、Function Calling / Tool Use、Agent架构。有实际的LLM应用开发或微调经验，了解主流开源模型的特点与部署方式。能够设计LLM与传统算法模型的协同方案。
• 工程落地能力：Python为主力语言，PyTorch熟练使用。能独立完成模型训练、评估、优化到API服务封装的全过程。了解模型部署相关技术。有基本的数据处理能力，能应对真实世界中脏、乱、缺失的数据。
• 加分项：有火电、风电、石化、制造业等能源AI项目经验者优先；有时序基础模型相关研究经验者优先；熟悉Dify、LangChain等LLM应用开发框架者优先；有InfluxDB等时序数据库使用经验者优先；有相关方向论文发表、专利或竞赛获奖者优先。

我们提供的支持

团队有资深的领域工程师负责将设备问题翻译成数据语言，你拿到的是清晰的算法问题定义、结构化的业务需求、以及真实的能源数据集。你的核心战场是算法与模型--把最前沿的AI技术落到最真实的能源场景里。

关键素质

对AI技术有真正的热情，持续关注领域动态，不满足于搬运现有方案。认真负责，能在迭代的时间内完成工作。具备"产品思维"，能站在产品需求角度思考算法方案，而不是为了技术而技术。面对模糊的业务需求时，能主动拆解问题、提出假设、设计验证方案。既能深入细节，也能全局视角。

Our Commitment to Diversity

Lucky for us, we are not all the same. Through diversity, we generate power. We run on inclusion, and our combined creative energy is fueled by over 130 nationalities. Siemens Energy celebrates character-no matter what ethnic background, gender, age, religion, identity, or disability. We energize society, all of society, and we do not discriminate based on our differences.

Rewards/Benefits

• Competitive salary and performance-based incentives
• Comprehensive health and wellness benefits
• Opportunities for continuous learning and career development
• Flexible work arrangements to support work-life balance
• Access to brand new technology and resources
• Collaborative and inclusive work environment
• Employee recognition programs and awards