返回岗位列表

时序预测与运筹优化算法工程师

查看原岗位

地点：北京薪资：薪资未公开日期：2026-01-29

岗位摘要

针对工业生产中的需求预测、设备状态预测、能耗预测等场景，构建高精度时序预测模型；研究并应用经典统计方法（如ARIMA、Prophet）和深度学习方法（如LSTM、Transformer、时序大模型）

岗位职责

针对工业生产中的需求预测、设备状态预测、能耗预测等场景，构建高精度时序预测模型
研究并应用经典统计方法（如ARIMA、Prophet）和深度学习方法（如LSTM、Transformer、时序大模型）
处理多变量时序、非平稳序列、缺失数据等复杂场景
针对生产排产、物流调度、库存优化、资源分配等问题，建立数学优化模型
使用线性规划、整数规划、混合整数规划、启发式算法等方法求解实际问题
开发约束优化、多目标优化算法，以平衡成本、时间、质量等多个目标
将算法模型部署到生产环境，确保其稳定性和实时性
设计算法服务架构，以支持大规模数据处理和高并发调用
持续优化算法性能，降低计算复杂度，提升求解速度
深入理解工业生产流程和业务痛点
主动发现可通过算法优化的业务场景
与业务团队协作，验证算法效果并进行迭代优化

任职要求

计算机科学、运筹学、应用数学、工业工程、自动化等相关专业，本科及以上学历
3年以上时序预测或运筹优化相关工作经验
扎实的数学基础，熟悉概率统计、最优化理论、时间序列分析
熟悉特征工程、数据预处理、模型调优、效果评估等完整建模流程
了解因果推断、异常检测、概念漂移等相关技术
熟悉常见优化问题建模：线性规划（LP）、整数规划（IP/MIP）、非线性规划（NLP）
了解启发式算法：遗传算法、模拟退火、粒子群优化、禁忌搜索等
有车辆路径问题（VRP）、排产调度（Scheduling）、装箱问题（Bin Packing）等经典问题求解经验者优先
熟悉深度学习框架：PyTorch或TensorFlow
熟悉至少一种优化建模语言：PuLP、Pyomo、JuMP等
了解算法工程化相关技术：Docker、API开发、数据库、消息队列等

加分项

有制造业、能源、物流、供应链等工业领域项目经验
发表过相关领域顶级会议/期刊论文（NeurIPS、ICML、INFORMS Journal on Computing等）
参加过Kaggle、阿里天池等算法竞赛并获得名次
熟悉强化学习在决策优化中的应用
了解AutoML、神经架构搜索等自动化机器学习技术