多维感知与智能调度算法实习生

岗位职责
1. 数据资产与分析工具开发
- 参与多维感知数据资产管理系统的日常开发与维护，涉及数据导入门禁、关联编辑、数据导出、备份恢复等模块；
- 参与多源航迹数据（雷达、RID、频谱等）质量分析工具的开发，迭代分析规则与日报生成；
- 编写与补充单元测试、集成测试，保障数据处理的正确性与可追溯性，协助新批次数据的导入验证与格式核对；
2. 感知设备调度算法原型验证
- 在真实数据或仿真场景下，复现任务分配/资源调度领域经典算法，包括但不限于多智能体任务分配、拍卖式分配、指派问题等；
- 在统一指标和约束条件下完成实验对比，输出可复现的实验脚本、结果台账与分析报告，形成可靠 baseline；
- 结合不同调度策略（如用户优先、自动抢占、稳定性约束）对比分析算法优劣、能力边界与适用场景；
3. 前沿技术跟踪与工程沉淀
- 持续跟踪 IEEE T-RO、T-AES、ICRA、IROS 等顶刊顶会上任务分配、资源调度、设备协同相关论文，梳理核心问题、关键假设、算法结构与适用边界；
- 熟练借助 AI 辅助编程工具快速验证新想法、新方向，并将原型结果沉淀为技术方案与实验结论；
- 维护项目文档（业务语义、接口契约、开发日志），保证文档与实现一致。

岗位要求
1. 基础条件
- 计算机 / 软件工程 / 自动化 / 电子信息 / 数学 等相关专业的在读研究生，985/211类院校优先；
- 对“数据治理 + 运筹优化 + 设备调度”交叉方向兴趣浓厚，有强烈的自驱力，支撑你在多领域交叉中快速学习；
- 每周实习 5 天，至少在岗 3 个月，可连续在岗 4-6 个月及以上者优先；
2. 核心技能
- 扎实的 Python 能力：能独立完成数据处理、工具开发、算法实现与结果可视化；
- 严谨的数据工程习惯：对空值、编码、精度、时区等边界情况敏感，不以“能跑就行”为标准，有基本的测试与文档意识；
- 良好的数学建模基础：了解组合优化或运筹学基本概念，如整数规划、指派问题，能够把调度需求抽象为数学模型；
- 强大的自主学习能力：熟练借助 AI 工具快速自主学习相关知识，支撑多领域交叉工作；
- 成熟的 AI 协同能力：熟练使用至少一种 AI 辅助编程工具（如 Cursor、Codex 等），了解 AI 工具的能力边界，理解 AI 是效率放大器，而不是替代自己思考的捷径；
3. 加分项
- 熟悉 C++，能阅读相关算法工程代码；
- 了解无人机、雷达或传感器数据处理相关业务；
- 有良好的代码规范、文档习惯与 Git 协作经验。
- 有 React / TypeScript 前端开发经验，或有 SQL / SQLite 使用经验；
- 使用过 OR-Tools、PuLP、Gurobi 等优化求解工具；
- 有组合优化、多智能体任务分配、强化学习等方向的论文阅读或复现经验；