金风科技
27届校招-算法助理工程师(J24401)
27届校招-算法助理工程师(J24401)
发布于 6 天前普通员工/个人贡献者
AI 估算 · 1.2–1.8万 · AI 参考估算
新疆维吾尔自治区
无经验要求
硕士
全职员工混合式弹性办公
Ai算法
Pytorch
Scada
Tensorflow
功率预测
数据融合
时间序列
值不值得投
69综合评分
综合评分 69
校招 AI 算法助理工程师，技术前沿，WLB 信息不足
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
参考估算薪资
根据职位描述推断，供对比参考
发布情况
正常在招 · 5 天前发布
公司情况
这家公司招聘很活跃
约 130 个在招
市场机会
选择适中
20 个在招
职位详情
关于这个职位
该岗位负责开发功率预测、灾害风预警、测风雷达信号处理与数据融合等 AI 算法，开展复杂风参特征分析，并输出技术文档与知识产权成果
最低要求
硕士研究生及以上学历
精通 Python 或 C++/Matlab，熟悉 Numpy、Pandas、Scikit-learn、PyTorch/TensorFlow
熟悉 Linux 开发环境
掌握时间序列分析、机器学习/深度学习常用算法
具备大规模数据（>1 TB）分析处理经验
具备跨学科沟通与团队协作能力
主动学习、抗压能力强，可适应短期现场出差
工作职责
AI 算法能力建设：负责开发适用于功率预测、灾害风预警、前期评估、机组控制等领域的 AI 模型，推动相关 AI 技术在风资源相关业务领域应用
新型测风雷达技术研究与开发：负责开发测风雷达信号处理优化算法，提升测风雷达准确性、数据有效率，支持新型雷达技术开发与应用场景验证
测风数据融合雷达数据分析：负责开发各类测风数据融合算法，完成复杂山地、尾流区风况精细化反演，实现风参多点实时高精度测量
复杂风参特征分析：负责开发风参诊断算法，分析致灾风况、复杂地形、尾流区、平原等各类场景下影响机组运行表现的叶轮面风特性，支持机组设计与控制优化
技术文档与知识产权：输出算法设计文档、测试报告、用户手册
申请发明专利、软件著作权，发表高水平论文
参加公司要求的相关培训并通过考核
优先资格
有 AI 算法、大模型训练与应用开发经验
有风电行业算法研发或现场数据分析经验
激光雷达硬件、信号处理算法及 Windographer、WAsP、WRF、OpenFAST 等软件经验
熟悉 IEC61400 标准及 SCADA 数据特征
具备计算流体力学或中尺度气象模式使用经验
AI 洞察
优缺点分析
优点
- 深耕 AI 与风资源交叉领域
- 有机会产出专利与论文
- 技术栈前沿
- 对算法与工程能力要求高
- 需适应短期现场出差
- 适合 AI/数据背景、愿意在新能源领域发展的应届硕士
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法助理工程师成长为算法工程师
- 向 AI 技术负责人发展
- 逐步承担专利与论文产出
- 开发功率预测与灾害风预警 AI 模型
- 研发测风雷达信号处理与数据融合算法
- 分析复杂风参特征并输出技术文档
- 硕士及以上学历
- 精通 Python/C++/Matlab 与主流 AI 框架
- 掌握时间序列分析与大规模数据处理
申请策略
- 了解金风科技风资源业务
- 准备算法设计案例
- 突出 AI 模型与数据处理项目
- 展示时间序列与深度学习经验
- 强调专利/论文产出
- 补强风电行业与测风雷达知识
- 提升 C++ 与 Linux 开发能力
面试指南
- 说明算法与数据
- 结合项目案例量化成果
- 如何开发功率预测模型？
- 如何处理测风雷达信号？
- 如何进行大规模数据处理？
- 复习机器学习基础
- 准备数据处理项目细节
职位点评
薪资福利60
成长发展85
工作生活50
使命价值75
薪资福利
60中等
薪资按区域市场估算，未明确福利待遇。
薪资信号未披露（AI估算：1.2千–1.8万/月）
成长发展
85较高
AI 与风资源交叉，成长空间与专利机会较好。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、AI、机器学习、深度学习
业务类型ambiguous
工作生活
50较低
未明确办公模式与 WLB 信息，需适应出差。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
参与 AI 与新能源交叉创新，行业价值较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs