以上为北京时间。链接检查不代表仍在招聘，申请前请以招聘官网为准。
按这个岗位的城市和方向提醒，确认后才开启，可选择每日或每周。
About the Role
Job ID: 298989
Location: China, Shanghai Shi, Shanghai
Company: Siemens Energy Co., Ltd.
Organization: Gas Services
Business Unit: Service China
Full / Part time: Full-time
Experience Level: Professional / Experienced
A Snapshot of Your Day
聚焦AI算法与大模型技术在能源领域尤其是发电领域（包括火电和新能源）场景中的研究与落地。算法功底扎实，对大模型技术有深入理解并能够根据产品需求快速完成从算法选型、开发到工程交付。
How You'll Make an Impact
• 根据产品团队提出的场景需求，进行算法调研、方案设计与技术选型，输出可落地的算法方案，并推动从原型验证到线上部署的全流程交付。
• 研发面向时序数据的异常检测、趋势预测、模式识别等核心算法，持续优化模型在准确率、误报率、召回率、泛化性等维度的表现。
• 深入研究大语言模型（LLM）在能源智能领域的应用，包括但不限于：基于LLM的智能精确诊断问答与推理、运维日志与报警信息的语义理解、结构化知识抽取与知识图谱构建、多轮对话式故障分析Agent、LLM与时序模型的协同架构设计。
• 探索多模态大模型在能源场景的落地路径，如结合振动频谱图、趋势曲线图等视觉信息与文本信息进行综合诊断推理。
• 研究自监督学习、迁移学习、无监督学习等方法，解决能源场景中标注数据稀缺、故障样本不均衡、故障样本自选择的现实问题。
• 建立规范的算法评估体系与实验管理流程，确保算法迭代的可追溯、可对比、可复现。
• 与领域工程师紧密协作，将业务侧描述的设备问题转化为明确的算法问题定义，领域知识由团队提供，你负责算法侧的解题。
What You Bring
• 学历：硕士及以上学历。计算机科学、人工智能、机器学习、统计学、数学、信号处理等相关专业。
• 经验：5年以上算法研发应用经验，有实际项目从研究到产品落地的完整经历。有能源领域大模型应用研发经验的优先。
• 算法能力：扎实的机器学习与深度学习理论基础，不是只会调用框架API，而是能讲清楚损失函数为什么这么设计、模型为什么在这个场景下失效。熟练掌握时序分析相关方法，以及统计与机器学习方法，能根据问题特点选择合适的技术路线。
• 大模型能力：对LLM技术栈有体系化理解，包括Prompt Engineering、RAG、Fine-tuning、Function Calling / Tool Use、Agent架构。有实际的LLM应用开发或微调经验，了解主流开源模型的特点与部署方式。能够设计LLM与传统算法模型的协同方案。
• 工程落地能力：Python为主力语言，PyTorch熟练使用。能独立完成模型训练、评估、优化到API服务封装的全过程。了解模型部署相关技术。有基本的数据处理能力，能应对真实世界中脏、乱、缺失的数据。
• 加分项：有火电、风电、石化、制造业等能源AI项目经验者优先；有时序基础模型相关研究经验者优先；熟悉Dify、LangChain等LLM应用开发框架者优先；有InfluxDB等时序数据库使用经验者优先；有相关方向论文发表、专利或竞赛获奖者优先。
我们提供的支持
团队有资深的领域工程师负责将设备问题翻译成数据语言，你拿到的是清晰的算法问题定义、结构化的业务需求、以及真实的能源数据集。你的核心战场是算法与模型——把最前沿的AI技术落到最真实的能源场景里。
关键素质
对AI技术有真正的热情，持续关注领域动态，不满足于搬运现有方案。认真负责，能在迭代的时间内完成工作。具备"产品思维"，能站在产品需求角度思考算法方案，而不是为了技术而技术。面对模糊的业务需求时，能主动拆解问题、提出假设、设计验证方案。既能深入细节，也能全局视角。
Who is Siemens Energy?
At Siemens Energy, we are more than just an energy technology
专用设备制造业
