智能冶炼工程师

AI 摘要智能生成

数据采集与融合建模

职位描述

1.数据采集与融合建模 参与工业场景多源异构数据接入与预处理，构建多模态特征融合框架，包括时序数据、图像数据、物理空间信息； 2.工业智能分析算法实现与调优，负责算法单元测试与性能测试； 3.进行系统级数据对接与闭环控制，通过工业控制协议实现优化算法在生产侧的部署应用，改善通信延迟与指令响应时间； 4. 模型部署与系统集成支持 将算法模块封装为标准化API，配合团队接入生产管控系统，支持实时推理与结果可视化； 参与模型性能优化（推理延迟、准确率），确保满足产线秒级响应要求。 5. 技术沉淀与文档输出 撰写算法方案设计文档、实验报告、模型训练与部署手册；配合工艺工程师完成算法效果验证，持续迭代优化。 学历背景 计算机、人工智能、自动化、数学、冶金工程等相关专业，硕士、博士 核心技能 1.扎实的机器学习/深度学习基础，熟悉CNN、RNN/LSTM. Transformer等经典网络结构 2.熟练使用 Python，掌握PyTorch/TensorFlow至少一种框架 3.具备计算机视觉项目经验(目标检测、语义分割、图像分类)，熟悉YOLO、U-Net, ResNet等方法 4.熟悉时序数据处理(Pandas、NumPy)，了解异常检测、回归预测常用方法 多模态能力 有多模态数据融合经验者优先(如视觉+时序、视觉+文本)，了解多模态表征学习基础方法 工程能力: 熟悉Git版本管理，具备模型部署经验(ONNX/TensorRT/Flask/FastAPI)者优先 行业认知 了解有色火法、湿法冶炼工艺流程者优先，具备快速学习工业场景能力 软实力 逻辑清晰，具备较强文献调研与技术方案撰写能力;能适应工厂一线调研，与工艺、自动化团队高效协作

任职要求

• 学历背景
• 计算机、人工智能、自动化、数学、冶金工程等相关专业，硕士、博士
• 核心技能
• 1.扎实的机器学习/深度学习基础，熟悉CNN、RNN/LSTM. Transformer等经典网络结构
• 2.熟练使用 Python，掌握PyTorch/TensorFlow至少一种框架
• 3.具备计算机视觉项目经验(目标检测、语义分割、图像分类)，熟悉YOLO、U-Net, ResNet等方法
• 4.熟悉时序数据处理(Pandas、NumPy)，了解异常检测、回归预测常用方法
• 多模态能力
• 有多模态数据融合经验者优先(如视觉+时序、视觉+文本)，了解多模态表征学习基础方法
• 工程能力:
• 熟悉Git版本管理，具备模型部署经验(ONNX/TensorRT/Flask/FastAPI)者优先
• 行业认知
• 了解有色火法、湿法冶炼工艺流程者优先，具备快速学习工业场景能力
• 软实力
• 逻辑清晰，具备较强文献调研与技术方案撰写能力;能适应工厂一线调研，与工艺、自动化团队高效协作