岗位职责：
能源预测与负荷建模：利用历史能耗数据、气象数据及建筑热动力学特征，构建高精度能耗预测模型（基于LSTM、Transformer等），精准捕捉不同工况下的能源需求规律。
智能控制策略研发：主导基于强化学习（RL）或模型预测控制（MPC）的核心算法研发，实现暖通空调（HVAC）、冷冻站及冷却系统的动态最优控制，降低PUE（能源使用效率）。
设备健康管理与诊断：基于实时数据流构建AI故障诊断与异常检测模型，识别设备性能衰减，优化预防性维护策略，避免因设备低效运行造成的能源浪费。
算法工程化与部署：负责算法的训练、调优及性能评估；具备将AI模型部署至边缘计算设备或云平台的工程能力，确保算法在实际物理系统中的实时性与稳定性。
技术沉淀与协作：编写算法设计文档、实验报告及调优指南，与嵌入式硬件、后端开发团队紧密协作，推动AI能力在产品端的落地。
岗位要求：
学历与专业：硕士及以上学历，计算机科学、自动化、控制工程、能源工程、应用数学等相关专业。
编程基础：精通Python编程；熟悉C++者优先；熟练使用主流机器学习框架（PyTorch, TensorFlow）及库（Scikit-learn, XGBoost）。
垂直领域知识：熟悉暖通空调（HVAC）系统原理、冷冻站工艺流程或高效机房运行逻辑；具备处理复杂、非线性工业数据的能力。
工程素养：对技术有热情，具备良好的逻辑思维与问题解决能力，能够独立承担算法模块的研发与落地。
算法能力：
精通时间序列分析与深度学习算法（LSTM, GRU, Transformer）；
深入理解强化学习（DQN, PPO, SAC等）或模型预测控制（MPC）原理，并有实际建模经验；
具备扎实的数学基础，熟悉运筹优化、凸优化及统计学理论。
加分项：
边缘部署经验：具备AI模型在工业边缘侧（如Jetson、工控机）的部署经验，熟悉ONNX, TensorRT等加速推理工具。
数据工程能力：熟悉工业数据采集流程，了解OPC UA、Modbus等协议，熟练使用SQL/NoSQL数据库及Spark/Kafka等大数据处理工具。
实战成果：有实际的建筑节能、智慧能源或工业互联网AI落地项目经验，特别是取得了可量化的节电率成果。