机器学习工程师

岗位职责：
1. 核心算法研发与创新： 基于公司内外部海量的供应链数据（如仓储、物流、销售等），进行深度机器学习与深度学习建模。核心聚焦于时序预测领域的创新与研究，涵盖商品需求预测、库存水位预测、运输时效预估等关键场景，并探索AI智能体在自动化补货决策中的应用。
2. 全链路模型交付： 独立负责从数据到业务价值的模型全链路设计与开发，包括但不限于业务问题定义、数据探查与清洗、特征工程、模型训练与调优、在线/离线部署、A/B测试、业务指标评估与效果监控，确保模型稳定、高效地产生业务价值。
3. 业务赋能与洞察： 深入理解供应链业务逻辑，能与采购、计划、仓储等团队紧密协作，将复杂的业务问题转化为可量化的算法问题，并通过数据分析和模型可解释性工具，为业务决策提供深度洞察与建议。
4. 技术前瞻与沉淀： 跟踪时序预测、深度学习、多智能体系统等领域的前沿技术，并推动其在业务中的可行性验证与落地。沉淀可复用的算法组件、工具与方法论，提升团队整体效率。

任职要求：
1. 学历与专业： 硕士及以上学历，计算机科学、统计学、运筹学、应用数学及相关专业背景优先。
2. 经验与领域知识： • 3年以上AI算法/机器学习相关工作经验，拥有供应链领域（如需求预测、库存优化、智能补货）的实战项目经验者优先。 • 深入理解并掌握深度学习原理及其应用，对时序预测领域的前沿模型和技术（如Transformer, TimesNet, LSTM, GRU等）有深刻理解和实践经验，具备独立进行模型结构创新或改进的能力。
3. 技术能力： • 深度学习框架： 精通PyTorch或TensorFlow中至少一种主流深度学习框架，具备独立完成从实验到工程化部署的能力。 • 编程与数据工具： 精通Python编程，熟练使用SQL进行复杂数据处理，有使用Pandas、Scikit-learn等数据科学库的经验。掌握Hadoop/Spark等大数据处理工具者优先。 • 智能体技术（加分项）： 对AI智能体（Agents）技术有浓厚兴趣或项目经验，了解LangChain、AutoGen等框架，或熟悉强化学习、工具调用等概念，并渴望在供应链决策自动化中探索应用。 4. 综合素养： 具备优秀的问题解决能力、逻辑思维能力和数据敏感度，良好的团队沟通能力和强烈的责任心。