岗位描述
岗位职责
1. 参与电力市场预测算法研发:围绕电价、负荷、新能源出力等目标,协助完成特征工程、模型训练与调参,在指导下迭代预测方案。
2. 协助实验设计与评估:参与设计 A/B 实验或离线对比实验,定义评估指标(MAE/RMSE/分位数损失等),完成实验记录、结果分析与结论沉淀。
3. 支持预测效果监控与复盘:跟踪线上预测误差,分析偏差来源(节假日、极端天气、市场规则变化等),形成误差归因报告。
4. 协助数据探索与特征挖掘:对多源时序数据(交易、负荷、气象等)进行探索性分析,验证特征有效性并输出分析结论。
5. 整理实验文档与代码:维护实验记录、模型说明与复现脚本,保障实验过程可追溯。
岗位要求
1. 本科或研究生在读,数据科学、统计学、计算机、应用数学、电气工程(偏建模方向)等相关专业。
2. 统计与机器学习基础扎实:理解回归、树模型、时序模型等常见方法,熟悉过拟合、交叉验证、偏差-方差等基本概念。
3. 熟练使用 Python 进行数据处理与建模(pandas/numpy/scikit-learn 等),能独立完成从数据清洗到模型评估的流程。
4. 具备基本的实验设计意识:理解对照组、评估指标选择、结果显著性等概念,能有条理地记录和对比实验。
5. 对时间序列预测或能源行业有兴趣,愿意学习电力市场业务逻辑。
6. 每周可稳定实习 [3-4] 天,连续实习 [3] 个月以上优先。
加分项(非必须)
· 了解深度学习时序模型(LSTM/Transformer/时序基础模型等)或概率预测方法。
· 使用过 airflow 等自动化流程工具。
· 有产品设计经验,了解算法产品架构
· 接触过气象、负荷、电价等能源时序数据集,或有 Kaggle 等预测类竞赛经历。有预测类课程项目、竞赛或论文经历者加分。