算法工程师（时序/因果/RCA）

岗位信息 岗位名称：Python 算法工程师（工业 IoT / 根因分析方向） 工作性质：全职 汇报对象：研发经理 所属方向：工业物联网平台 V9 产品线关于岗位 我们正在研发基于工业 IoT 平台的根因分析（RCA）产品，属于“从 0 到 1 的全新产品线”。该产品将依托平台侧的设备物模型、设备构成关系（基座+部件多驱动采集架构）与实时数据流（Kafka / eKuiper），构建 RCA 知识图谱，为工业客户提供设备故障的自动定位、传播路径分析与决策建议。 你将是该产品的“首批核心算法工程师”之一，直接参与算法选型、架构设计与落地验证，而非在成熟体系里做局部优化。 1. 根因分析算法研*：基于工业设备运行数据（时序数据、事件、日志、告警）设计并实现根因定位算法，包括但不限于因果推断、异常检测、故障传播建模、多源信号关联分析。 2. RCA 知识图谱构建：结合平台物模型与设备构成关系，设计知识图谱的建模方案与推理算法，实现"故障现象 → 传播路径 → 根因节点"的自动分析能力。 3. 时序数据分析：研发面向工业场景的时序特征提取、异常检测、模式识别算法，并与平台 OEE 计算、规则引擎等模块对接。 4. 算法工程化落地：负责算法从原型到生产的完整落地，包括数据管道设计、模型评估体系建立、在线推理服务封装，保证算法在真实工业数据上的可用性与稳定性。 5. 持续探索：跟踪因果推断、AIOps、工业智能等领域的学术与工程进展，结合客户场景主动提出可落地的算法优化方向，推动产品能力迭代。 任职要求（基本项） 1. 本科及以上学历，计算机、自动化、数学、统计等相关专业；3 年以上 Python 算法开发经验（能力突出者可放宽年限）。 2. 扎实的 Python 工程能力，熟练使用 NumPy / Pandas / scikit-learn，熟悉至少一种深度学习框架（PyTorch / TensorFlow）。 3. 熟悉以下至少两个方向： - 时序数据分析（异常检测、时序预测、STL/小波等信号处理） - 图算法与知识图谱（图谱建模、社区发现、路径推理、图神经网络） - 因果推断与根因分析（Granger 因果、PC/PC-stable、DoWhy、因果图） - 机器学习/统计学习基础（分类、聚类、降维、模型评估） 4. 具备良好的数据工程能力：熟悉 SQL 与至少一种消息队列/流处理生态（Kafka、Flink、eKuiper 等），能独立完成数据清洗、特征管道搭建。 5. 良好的沟通与抽象能力，能将模糊的工业问题转化为清晰的算法问题，并输出可验证的技术方案。 任职要求（加分项） 1. 有工业 IoT、智能制造、设备运维、AIOps 根因分析相关项目经验者优先。 2. 了解工业协议与数据源（OPC UA、Modbus、MQTT）或时序数据库（TDengine、InfluxDB、TimescaleDB）者优先。 3. 有知识图谱落地经验（Neo4j、NebulaGraph 等）或图神经网络（DGL、PyG）实践经验者优先。 4. 有边缘计算场景下算法部署经验者优先。 5. 有论文发表、技术专利或开源项目贡献者优先。 我们特别看重（对应从 0 到 1 的产品特性） 由于这是该产品的首次研发，相比"简历完美"，我们更看重以下特质，请在简历或面试中体现： 积极主动：不等人喂需求，能主动拆解模糊问题、推动方案从想法到验证闭环。 富有责任感：对算法效果负责到底，敢于对线上问题追根溯源，不推诿、不浅尝辄止。 乐于探索：愿意在缺乏现成答案的领域做技术调研与实验试错，接受从 0 到 1 的不确定性，并将其视为成长机会。 务实落地：追求算法在真实工业数据上的效果，而非单纯堆砌新技术名词。 你将获得 1. 全新产品线从 0 到 1 的完整参与机会，算法方案直接决定产品形态。 2. 工业智能方向的核心技术与业务双成长空间。 3. 平台侧完整的数据与工程资源支持（物模型、Kafka 数据流、知识图谱基建）。