職位描述
該職位還未進行加V認證,請仔細了解后再進行投遞!
崗位職責:
1.聚焦于鋰電池生產制造領域,主動深入了解業務,對業務場景和問題進行分析挖掘需求,利用包括統計學、計算機科學在內的理論與方法,優化業務流程,實現產品研發與生產的降本增效;
2.建立產品數據分析框架和數字模型,使用統計方法收集和分析大型數據集,生成見解以推動業務決策;
3.根據具體業務場景完成需求分析、架構設計、并完成業務架構的落地方案,協調各方及時準確的完成數據產品開發、交付和迭代;
4.追蹤推動項目開發交付工作,包括需求收集,開發計劃制定,風險管控,進度跟蹤,資源協調等;
5.負責監測業務的日常數據,關注數據波動并能夠分析和解讀數據異常,發現問題并探索解決方案,用數據輔助業務開展和決策。
任職要求:
1.本科及以上學歷,碩博優先,計算機科學、數據科學、統計學等相關專業;
2. 5年以上數據分析、機器/深度學習算法開發工作經驗,新能源行業分優先;
3.具備扎實的統計學和算法基礎,精通各種數據集成、抽取、清洗、轉換以及統計分析、可視化、歸一化等預處理方法和手段并精通機器學習特征工程、去噪和降維算法理論和實踐,包括PCA、LDA、LLE、t-SNE等;
4.精通基于Hadoop和Spark的大數據架構、生態系統和解決方案,熟悉數據倉庫和數據平臺的建立、結構化和非結構化數據存儲、關系和非關系數據庫使用,以及各種工具和軟件的適用場景和優缺點;
5.精通傳統機器學習模型的各種回歸、分類、聚類和集成算法(Bagging, Boosting, Voting),包括線性回歸、多元回歸、邏輯回歸、決策樹、隨機森林、支持向量機、KNN、神經網絡、KMeans、樸素貝葉斯等;
6.熟悉深度學習理論和實踐包括多層感知機、深度神經網絡(DNN)、卷積網絡(CNN)、循環網絡(RNN)、長短期記憶網絡(LSTM)、自動編碼機、生成對抗網絡(GANs)、以及這些算法在圖像識別、自然語言處理、以及推薦系統上的應用;
7.了解各種強化學習算法,包括Q-learning、DQN (Deep Q Network)、Policy Gradients、MAB (Multi-armed Bandit);
8.出色的溝通和團隊合作能力,能夠與非技術人員有效地溝通和協作。
1.聚焦于鋰電池生產制造領域,主動深入了解業務,對業務場景和問題進行分析挖掘需求,利用包括統計學、計算機科學在內的理論與方法,優化業務流程,實現產品研發與生產的降本增效;
2.建立產品數據分析框架和數字模型,使用統計方法收集和分析大型數據集,生成見解以推動業務決策;
3.根據具體業務場景完成需求分析、架構設計、并完成業務架構的落地方案,協調各方及時準確的完成數據產品開發、交付和迭代;
4.追蹤推動項目開發交付工作,包括需求收集,開發計劃制定,風險管控,進度跟蹤,資源協調等;
5.負責監測業務的日常數據,關注數據波動并能夠分析和解讀數據異常,發現問題并探索解決方案,用數據輔助業務開展和決策。
任職要求:
1.本科及以上學歷,碩博優先,計算機科學、數據科學、統計學等相關專業;
2. 5年以上數據分析、機器/深度學習算法開發工作經驗,新能源行業分優先;
3.具備扎實的統計學和算法基礎,精通各種數據集成、抽取、清洗、轉換以及統計分析、可視化、歸一化等預處理方法和手段并精通機器學習特征工程、去噪和降維算法理論和實踐,包括PCA、LDA、LLE、t-SNE等;
4.精通基于Hadoop和Spark的大數據架構、生態系統和解決方案,熟悉數據倉庫和數據平臺的建立、結構化和非結構化數據存儲、關系和非關系數據庫使用,以及各種工具和軟件的適用場景和優缺點;
5.精通傳統機器學習模型的各種回歸、分類、聚類和集成算法(Bagging, Boosting, Voting),包括線性回歸、多元回歸、邏輯回歸、決策樹、隨機森林、支持向量機、KNN、神經網絡、KMeans、樸素貝葉斯等;
6.熟悉深度學習理論和實踐包括多層感知機、深度神經網絡(DNN)、卷積網絡(CNN)、循環網絡(RNN)、長短期記憶網絡(LSTM)、自動編碼機、生成對抗網絡(GANs)、以及這些算法在圖像識別、自然語言處理、以及推薦系統上的應用;
7.了解各種強化學習算法,包括Q-learning、DQN (Deep Q Network)、Policy Gradients、MAB (Multi-armed Bandit);
8.出色的溝通和團隊合作能力,能夠與非技術人員有效地溝通和協作。
工作地點
地址:常州溧陽市江蘇時代新能源科技有限公司


職位發布者
翟女士HR
江蘇時代新能源科技有限公司

-
能源·水利
-
1000人以上
-
私營·民營企業
-
昆侖街道城北大道1000號