AI 算法工程师（半导体测试 / 时序异常检测方向）

### 岗位与团队介绍 我们正从 0 到 1 搭建面向半导体测试场景的 AI 智能分析体系，依托机器学习、深度学习与大规模数据分析技术，替代传统人工排查模式，系统性提升复杂测试数据的分析效率、异常识别精度与故障定位能力。这是一个深耕工业 AI 垂直赛道的核心算法岗位，区别于通用大模型、聊天机器人或 RAG 应用类岗位，我们直面真实产线的技术痛点：TB 级连续时序数据流、异常样本占比极低、真值标注缺失且人工成本高昂，所有算法方案都以落地效果为核心检验标准，技术产出将直接嵌入实际测试流程产生业务价值。 ### 核心工作内容 你将全面负责半导体测试场景下 AI 算法的全链路工作，覆盖方案设计、模型训练、效果验证到工程化落地的完整周期。你会深度处理产线真实的大规模时序数据与事件日志，围绕数据清洗、切片分段、特征提取、聚类分析、序列建模等核心环节开展技术研究，同时针对超大体量的原始测试数据，探索数据降维、去重、压缩与高价值片段提取的最有效方案，在大幅缩减数据规模的前提下，最大化保留关键异常信息与模式特征。 你将作为半导体测试 AI 算法方向的技术负责人，主导从 0 到 1 的技术路线规划与团队建设。你需要判断在 "异常样本极少、真值不完整" 的工业场景下，自监督、半监督、对比学习、序列预测等路线中哪条值得投入，搭建可演进的模型架构与数据闭环，建立团队级的评估基准与工程规范。你会直接对接业务负责人，对分析效率、异常发现率、故障定位准确率等业务指标负责，并指导 2-4 名中初级算法工程师成长。我们希望你有 5 年以上工业算法或时序数据相关经验，带过 3 人以上小团队，在异常检测、工业智能、半导体 / 制造业数据方向有可验证的成果；有顶会论文、开源项目或从 0 到 1 落地过被产线使用的算法系统者优先。 ### 任职要求 我们希望你具备计算机、人工智能、电子工程、自动化、数学、统计学等相关专业本科及以上学历，熟练掌握 Python 开发语言，精通 PyTorch 或 TensorFlow 至少一种主流深度学习框架，拥有完整的机器学习或深度学习项目实践经验，能够独立完成数据集构建、模型训练调优、效果验证与结果分析的全流程工作。你需要熟悉时序数据分析、序列建模、Transformer、异常检测、自监督 / 半监督学习中至少一个技术方向的核心理论与落地方法，具备扎实的数理基础与数据敏感度，能够将模糊的工业业务问题拆解为可建模的算法问题，并输出可行的技术方案。除此之外，我们也看重你的自驱力与跨团队协作意识，能够在不确定性较强的技术探索场景中推进方案落地。 具备以下经验者将优先考虑：有工业时序数据分析、设备故障诊断、半导体或制造业良率分析相关项目经验；有自监督学习、小样本学习、异常样本增强、合成数据构建等方向的落地实践；具备算法工程化经验，了解模型部署、推理优化或大数据处理相关技术栈；有相关领域顶会顶刊论文发表、算法竞赛获奖或开源项目贡献经历。 ### 岗位价值与成长 加入团队，你将深度接触半导体测试一线的真实海量工业数据，在攻坚真实技术难题的过程中同步积累算法深度与工业落地经验，建立垂直领域的核心技术壁垒。作为 0 到 1 项目的核心算法成员，你将拥有充分的方案决策权，而非局限于细分模块的执行工作，伴随项目成长可走通核心算法负责人的职业路径。半导体与 AI 双赛道的交叉属性，也将为你带来更宽的职业选择与长期成长空间，我们提供具备市场竞争力的薪资回报，潜在的期权权益。 投递说明：简历中若附有时序建模、异常检测相关项目的详细说明（包含数据规模、技术方案、核心指标、落地成果等），可提升面试通过率。