1.數(shù)據(jù)治理與仿真環(huán)境構(gòu)建:
1.)設(shè)計(jì)并實(shí)現(xiàn)高效的數(shù)據(jù)管道,處理來自部署工程師的實(shí)時(shí)與歷史數(shù)據(jù),進(jìn)行清洗、增強(qiáng)與特征工程。
2.)基于 FEniCSx 等工具開發(fā)與維護(hù)高精度多物理場(chǎng)仿真模型,構(gòu)建強(qiáng)化學(xué)習(xí)訓(xùn)練所需的數(shù)字孿生環(huán)境。
3.)實(shí)現(xiàn)仿真-現(xiàn)實(shí)遷移技術(shù),通過在線校準(zhǔn)不斷縮小仿真與實(shí)際的差距。
2.核心模型研發(fā)與訓(xùn)練:
1.)研發(fā)并實(shí)施先進(jìn)的強(qiáng)化學(xué)習(xí)(如SAC、PPO)與優(yōu)化算法,設(shè)計(jì)多目標(biāo)獎(jiǎng)勵(lì)函數(shù),以同時(shí)優(yōu)化能耗、產(chǎn)水質(zhì)量與設(shè)備壽命。
2.)負(fù)責(zé)模型從離線訓(xùn)練到在線學(xué)習(xí)的全周期管理,包括課程學(xué)習(xí)、經(jīng)驗(yàn)回放及安全約束設(shè)計(jì)。
3.)開發(fā)終身學(xué)習(xí)框架,使模型能夠持續(xù)適應(yīng)水源變化、季節(jié)波動(dòng)與設(shè)備老化,避免災(zāi)難性遺忘。
3.算法評(píng)估與持續(xù)優(yōu)化:
1.)建立嚴(yán)格的模型評(píng)估體系,在仿真環(huán)境與離線數(shù)據(jù)上驗(yàn)證算法性能與安全性。
2.)與部署工程師協(xié)作,分析線上模型表現(xiàn),診斷問題,并迭代優(yōu)化算法。
3.)追蹤領(lǐng)域前沿,將合適的機(jī)器學(xué)習(xí)、運(yùn)籌優(yōu)化新技術(shù)應(yīng)用于實(shí)際場(chǎng)景。
必備要求:
硬技能:
1. 精通 PyTorch,有扎實(shí)的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)理論基礎(chǔ),并在強(qiáng)化學(xué)習(xí)項(xiàng)目中有成功的實(shí)踐經(jīng)驗(yàn)。
2. 出色的 Python 科學(xué)計(jì)算編程能力,熟練使用 NumPy、Pandas 等庫(kù)進(jìn)行復(fù)雜數(shù)據(jù)分析與建模。
3. 具備良好的數(shù)學(xué)和物理建模能力,能夠理解和運(yùn)用數(shù)值仿真工具(如 FEniCS, COMSOL 或類似工具)的原理與結(jié)果。
軟技能與經(jīng)驗(yàn):
1. 擁有獨(dú)立完成從問題定義、算法設(shè)計(jì)、實(shí)驗(yàn)驗(yàn)證到效果分析的完整項(xiàng)目經(jīng)驗(yàn)。
2. 強(qiáng)大的邏輯思維與創(chuàng)新能力,能夠?qū)⒛:臉I(yè)務(wù)目標(biāo)轉(zhuǎn)化為具體的數(shù)學(xué)模型和優(yōu)化問題。
3. 結(jié)果導(dǎo)向,不滿足于紙面指標(biāo),追求算法在實(shí)際系統(tǒng)中的最終效用提升。
加分項(xiàng):
1.有數(shù)字孿生或仿真學(xué)習(xí)相關(guān)項(xiàng)目經(jīng)驗(yàn)。
2.在高水平會(huì)議或期刊上發(fā)表過機(jī)器學(xué)習(xí)相關(guān)論文。
3.有多智能體強(qiáng)化學(xué)習(xí)、不確定性量化、貝葉斯優(yōu)化等細(xì)分領(lǐng)域的經(jīng)驗(yàn)。
4.了解流程工業(yè)或控制理論背景知識(shí)。