时间序列预测工程师（负载/需求）

职位名称：时间序列预测工程师 — 负载/需求（1个职位） 职位简介 我们正在寻找一位务实、数据驱动的时间序列预测工程师加入我们的分析团队，领导短期和中期负载/需求预测系统的设计、实施和生产化。您将构建稳健、可解释和概率性的预测管道，以推动运营规划、预测性维护、能源调度和我们UPS、电池和电力系统的商业决策。此角色位于数据科学、软件工程和MLOps的交叉点——您将负责从数据摄取到生产部署和监控的模型。 职责 - 领导负载、需求和相关信号的时间序列预测模型（确定性和概率性）的端到端开发。 - 为遥测、SCADA/PLC日志、环境传感器和外部协变量（天气、日历、事件）设计数据摄取和特征工程管道。 - 实施统计和机器学习方法：ARIMA/ETS、状态空间模型、指数平滑、Prophet、经典机器学习、梯度提升（XGBoost/LightGBM）、RNNs/LSTMs和现代Transformer/Temporal Fusion/DeepAR架构。 - 生成概率预测（预测区间、分位数）、校准和不确定性量化，以支持风险感知决策。 - 构建可重复的训练、验证和回测工作流，具有稳健的评估指标（MAE/MAPE/SMAPE/RMSE、CRPS、Pinball损失、锐度/校准）。 - 优化模型的延迟和吞吐量；在需要时为边缘/云推理准备轻量级版本（ONNX、量化）。 - 部署和监控预测服务（模型的CI/CD、漂移检测、自动再训练、警报、SLA监控）。 - 与产品、运营和电网/规划团队合作，将预测转化为可操作的计划和KPI。 - 记录模型、假设和性能；向非技术人员展示结果并推荐运营变更。 资格 - 数据科学、统计学、计算机科学、工程、应用数学或相关领域的学士/硕士学位（欢迎博士学位但不是必须）。 - 3年以上在生产中构建和部署时间序列/预测模型的专业经验（能源、电网、公用事业、制造或相关领域优先）。 - 深厚的时间序列方法、概率预测和序列模型的实践经验。 - 强大的Python技能，熟悉pandas、scikit-learn、statsmodels、PyTorch/TensorFlow、Prophet、GluonTS或同等库。 - 具备MLOps工具（Docker、Kubernetes、MLflow、DVC、Airflow）和云平台（AWS/GCP/Azure）的经验。 - 精通SQL并有处理大型遥测数据集的经验。 - 扎实的软件工程实践：单元测试、CI/CD、可重复的实验和版本控制。 - 强大的分析思维、实验严谨性和向利益相关者解释权衡的能力。 - 出色的沟通能力和跨职能合作的能力。 - 加分项：具有UPS/电池系统、能源市场、需求响应或分布式能源资源预测的领域经验。 我们提供 - 负责一个用于运营和商业决策的高影响力预测产品。 - 协作的跨学科团队（数据工程师、机器学习工程师、产品和运营）。 - 访问大型真实世界的遥测数据集、实验室设备和云计算资源。 - 具有竞争力的薪资、灵活的工作安排和职业发展支持。 - 有机会塑造我们的预测分析路线图并扩展行业级解决方案。 如何申请 请将以下材料提交至[隐藏文本]，主题为“时间序列预测工程师 — 负载/需求”： 1. 简历（最多2页） 2. 求职信（1页），总结相关经验和对负载/需求预测的兴趣 3. 一个简短的项目总结（200-300字），描述您领导的预测项目：数据、模型、评估指标和结果 4. 作品集/ GitHub / 笔记本链接（如果有） 5. 两个专业推荐人（姓名、职位、联系方式） 入围的候选人将被邀请参加技术面试，并可能被要求展示一个简短的案例研究或实际任务。我们欢迎来自不同背景的申请者，并鼓励具有实际生产经验的申请者。