上海电气
算法工程师(27届校招）
算法工程师(27届校招）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公算法工程师
算法工程师
Bi看板
Pytorch
Sql
信号处理
工业大模型
故障诊断
数字孪生
数据治理
机器学习
值不值得投
68综合评分
综合评分 68
工业智能运维算法校招岗，前沿技术加全链条复合成长，薪资与WLB信息未披露
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
1.7万
比算法工程师中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
15 个在招
市场机会
选择不多
上海 · 算法工程师 · 4 个在招
职位详情
关于这个职位
上海电气27届校招算法工程师，驻上海，负责汽轮机关键部件故障诊断与预警算法研发及智能运维平台落地，兼做经营数据分析与BI看板，跟踪数字孪生、工业大模型等前沿技术
适合工业AI方向的应届生
最低要求
专业基础：熟悉大型工业设备健康评估、故障诊断方法，初步了解汽轮机及电厂原理
熟悉振动、温度、压力等传感器及数据采集对接
可独立设计实验方案并分析试验结果
综合能力：擅长跨部门沟通协作，可灵活切换技术与业务语言
能够独立撰写项目申报书、技术方案、专利、高水平论文
具备以下任意能力：
算法能力：可熟练应用或改进 FFT、小波变换、包络、阶次分析等信号处理算法
掌握聚类、异常检测、分类回归等机器学习算法
掌握 CNN/RNN/LSTM/Transformer 或数字孪生等前沿健康评估方法其一即可
精通特征工程与模型评估
编程与大数据：精通 Python / MATLAB 其一即可
熟练掌握 PyTorch / TensorFlow 等至少一种深度学习框架
熟练使用 Pandas、NumPy、Scikit‑learn、Tslearn 等时序分析库
精通SQL
处理过高频强噪声工业时序数据
了解工业数据库，Spark/Flink 分布式框架为可选加分项
经营数据分析：统计学基础扎实，熟练使用 Excel、PPT
Tableau/PowerBI/FineBI 等 BI 工具任选其一即可
具备数据敏感度、异动归因能力
有数据治理、指标体系搭建经验优先
工作职责
开展汽轮机关键部件故障诊断与预警算法研发、优化及在智能运维平台的落地迭代
负责设备数据治理、多源数据加工建模，运用数据挖掘形成标准化故障算法
承担经营业务数据分析、指标体系建设、BI 看板搭建及各类业务分析模型开发
牵头算法技术攻关，指导团队，跟踪数字孪生、工业大模型等前沿技术
负责智能运维项目交付后的技术支持，编制相关技术文档
完成项目申报、专利与学术论文等知识产权成果撰写工作
优先资格
项目业务经验：有发电集团、电网、高端装备企业横向课题经验优先，熟悉工业现场业务逻辑
可快速将制造业业务问题转化为数据分析任务，分析结论落地可行
AI 洞察
优缺点分析
优点
- 工业AI与智能运维是增长方向，算法能力与行业Know-how双积累
- 覆盖算法、数据、BI、交付全链条，复合能力成长快
- 有专利论文与项目申报支持，学术与工程兼顾
- 需求横跨设备算法与经营分析，方向杂、切换成本高
- 工业现场数据质量参差，落地与交付有大量琐碎工作
- 适合算法功底扎实、对工业场景有兴趣、沟通与写作能力兼备的应届生
缺点 / 挑战
- 牵头攻关与指导团队对校招生压力不小
角色解读
- 从故障算法与数据分析专项做起，成长为智能运维方向的技术骨干
- 牵头攻关与团队指导后，可走向算法团队负责人
- 也可深耕数字孪生与工业大模型，成为工业AI专家
- 研发并优化汽轮机关键部件的故障诊断与预警算法，推动其在智能运维平台落地迭代
- 做设备数据治理与多源数据建模，沉淀标准化故障算法
- 承担经营数据分析、指标体系与BI看板建设
- 牵头算法攻关并指导团队，跟踪数字孪生、工业大模型等前沿技术，同时负责项目交付支持与专利论文撰写
- 熟悉工业设备健康评估与故障诊断方法，了解汽轮机及电厂原理
- 掌握信号处理与机器学习算法，会用PyTorch/TensorFlow等深度学习框架
- 精通Python或MATLAB与SQL，有工业时序数据处理经验
- 具备跨部门沟通与项目申报书、专利、论文的写作能力
申请策略
- 面试前了解智能运维与工业大模型的行业进展
- 准备一个把工业问题转化为数据任务的完整案例
- 突出故障诊断、信号处理或时序建模的项目成果与量化指标
- 展示PyTorch/TensorFlow与Python数据处理的项目实践
- 强调论文、专利或竞赛获奖
- 有发电、电网或高端装备课题经历优先呈现
- 补齐振动信号分析与工业时序数据处理的实战经验
- 熟悉一款BI工具与指标体系搭建方法
面试指南
- 用「业务问题-数据方案-模型-落地效果」结构讲项目
- 算法选型题说明信号特性与方法假设的匹配
- 落地类问题强调指标体系、可解释性与现场约束
- 介绍一个故障诊断项目，你如何做特征工程与模型评估？
- FFT、小波变换适合什么场景，如何选？
- 如何处理高频强噪声的工业时序数据？
- 异常检测与分类回归算法你分别用过哪些？
- 如何把设备故障率上升转化为数据分析任务？
职位点评
薪资福利65
成长发展80
工作生活55
使命价值60
薪资福利
65中等
JD未披露薪资福利，算法类校招岗薪资预期中等偏上，但缺乏明确信号。
薪资信号未披露（AI估算：1.3千–2.0万/月）
成长发展
80较高
算法攻关、前沿技术跟踪加专利论文支持，技术成长空间大，但JD未提及培训与晋升安排。
技术前沿前沿/新兴技术
技术栈故障诊断、机器学习、PyTorch、TensorFlow、数字孪生、工业大模型、Spark/Flink
业务类型ambiguous
工作生活
55较低
JD未提及办公模式与工时安排，含项目交付后技术支持，节奏可能随项目波动但无明确依据。
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
60中等
工业设备智能运维提升能源装备可靠运行，具有一定产业价值，JD未展开使命表述。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs