当前位置

岗位职责： 1．与设备管理、运维等同事协同，依据设备故障分析需求，梳理明确数据采集范围，涵盖设备运行参数、环境监测数据、维修记录等多源数据； 2．借助数据清洗算法及规则，识别并纠正数据中的缺失值、异常值与重复值，完成数据标准化、归一化等预处理操作； 3．深入剖析设备故障机理，结合数据特性及业务目标，灵活选用决策树、随机森林、支持向量机、深度学习中的循环神经网络（RNN）及其变体（如 LSTM、GRU）等适配的分类、预测算法； 4．综合运用统计分析方法与数据可视化工具（如 Matplotlib、Seaborn、Tableau 等），深度挖掘模型输出结果与原始数据，精准提炼设备故障发生的规律、模式及关键影响因素； 5．与软件开发、运维团队密切协作，将训练成熟、性能稳定的设备故障模型，平稳部署至生产环境，确保模型与企业现有设备管理系统、运维平台无缝集成，实现数据实时接入与故障预测结果实时输出； 6．依据设备运行工况变化、新数据积累以及模型性能衰退情况，定期对模型开展重新训练、优化与更新工作； 7．针对设备频发故障、重大故障隐患等重点问题，开展专项深入分析研究，挖掘数据背后隐藏的设备设计缺陷、操作不当、维护短板等业务逻辑关联； 8．输出研究分析报告、技术文档并撰写相对应的算法专利； 9．严格遵守相关开发工具的编码规范，确保模型开发和应用过程符合相关法律法规和公司政策； 10．上级领导安排的其他事务以及配合其他部门的相关工作。 岗位要求： 1．重点本科（985,211）或硕士以上的学历，计算机科学/数学/统计学等相关专业，计算机技术三级及以上； 2．熟练掌握常用的数据处理、分析和机器学习库，不限制实现语言，但需至少掌握一种编程语言； 3．深入理解并熟练运用各种数据挖掘算法和模型； 4．熟悉数据预处理技术，包括数据清洗、数据集成、数据变换、特征工程等，了解大数据处理技术和分布式计算框架，如 Hadoop、Spark 等； 5．具备从多种数据源（如数据库、文件系统、API 等）收集数据的经验，熟练运用数据分析工具（如 SQL、Python 的 Pandas、NumPy 等）进行数据探索性分析； 6．掌握常见的机器学习算法和模型评估指标（如准确率、召回率、F1 值、均方误差等）； 参与过完整的数据挖掘项目，从项目需求分析、数据准备、模型构建、模型评估到模型部署和上线； 7．有故障诊断算法等相关经验者优先；