康宁
Scientist, AI & Analytics (RDSS)
Scientist, AI & Analytics (RDSS)
发布于 1 天前普通员工/个人贡献者
Hsinshu, TW, 310
高级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
深度学习
TensorFlow
Scikit-learn
FEA
CFD
SciPy
混合建模
Sciml
物理信息机器学习
AI 估算 · 25k–40k
高级科学家岗位，技术要求高，市场稀缺，但台湾薪资水平低于一线城市，综合估算月薪2.5-4万人民币。
职位详情
关于这个职位
作为康宁的AI与数据科学家，你将负责结合物理建模与深度学习，开发混合建模框架和高性能AI代理模型，以解决复杂的制造和工程挑战
你将领导SciML研究项目，与全球跨职能团队合作，推动创新技术的落地并保护知识产权
最低要求
强大的Python编程能力，能够进行科学数据准备和ETL流程，包括清洗、转换、结构化和管理用于SciML和混合物理ML模型的多保真仿真与实验数据
具备使用行业标准Python库（如SciPy、scikit-learn、TensorFlow、Keras）设计、训练和评估SciML及物理信息ML模型的实践经验，并能够将其与物理约束、控制方程和边界条件集成
出色的英语书面和口头沟通能力，能够与全球多功能团队有效协作并清晰传达技术成果
愿意支持全球合作，需要10-15%的国际差旅
工作职责
担任科学机器学习（SciML）科学家，连接基于物理的建模与现代深度学习，解决复杂的制造和工程挑战
开发集成机理求解器与数据驱动ML组件的混合建模框架，实现稳健、可解释且可扩展的SciML工作流
构建高性能AI代理模型以加速数值仿真（如CFD、FEA），在保持物理一致性的同时减少计算周转时间
为支持康宁研发工程的SciML研究计划提供技术领导，指导项目从问题定义到模型验证和部署
领导为康宁多个业务部门制造系统定制开发新型SciML解决方案，将客户和工程需求转化为数据驱动的方案设计和工作计划
与全球跨职能团队合作，有效桥接领域知识（工程和科学）与计算及AI解决方案开发
设计并执行模型验证和测试策略，向内部客户和利益相关者传达技术分析、见解和结果
参与并帮助创建和保护知识产权，支持SciML方面的专利和专有创新
积极参与并帮助发展康宁的AI社区，分享知识并推动高级分析和SciML的影响力应用
AI 洞察
优缺点分析
优点
- 前沿技术结合物理与AI，技能稀缺性强
- 康宁全球研发平台，资源丰富，项目影响力大
- 对跨学科知识要求高（物理、仿真、ML），学习曲线陡峭
- 涉及国际差旅（10-15%），需要时间适应
- 适合具有物理或工程背景、热爱AI建模、追求技术深度的求职者
缺点 / 挑战
- 工作内容具有挑战性，能快速提升综合能力
- 结果导向，模型落地验证压力较大
角色解读
- 技术专家路线：深耕SciML，成为领域权威
- 研发管理路线：领导更大团队，主导创新项目
- 跨领域扩展：将AI应用于更多制造场景
- 将物理原理与深度学习结合，开发混合模型解决制造难题
- 构建AI代理模型加速CFD/FEA仿真，提升计算效率
- 领导SciML研究项目，从问题定义到模型部署
- 与全球团队合作，将工程需求转化为数据驱动方案
- 精通Python及科学计算库（SciPy、scikit-learn、TensorFlow、Keras）
- 深入理解物理信息机器学习（PINN、混合建模等）
- 具备数值仿真（CFD、FEA）背景，能与其结合
- 优秀的英语沟通能力，支持跨国协作
申请策略
- 调研康宁的制造业务领域（玻璃、陶瓷等），思考AI如何切入
- 准备一个SciML项目案例，展示从问题到结果的全过程
- 突出物理信息神经网络或混合建模项目经验
- 强调Python编程和科学计算库使用案例
- 展示与CFD/FEA结合的工作成果
- 体现学术论文、专利或开源贡献
- 学习TensorFlow官方教程及PINN实现
- 复习流体力学或有限元分析基础
面试指南
- STAR法则：情境、任务、行动、结果
- 先阐述理论基础，再结合实际案例
- 突出跨学科协作与最终影响力
- 请解释你如何将物理约束融入神经网络？
- 描述一个你主导的混合建模项目及其挑战
- 如何验证SciML模型的准确性与物理一致性？
- 你如何处理多保真度数据？
- 请用英语介绍你的一个研究成果
职位点评
59
综合评分
前沿SciML技术岗，成长空间大但工作灵活性较低。
更适合这类人
最看重技术成长和前沿挑战、接受现场办公和差旅的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展90
工作生活30
使命价值60
薪资福利
55较低
薪资未在JD中披露，依据公司规模和职位级别推测处于市场中等水平，福利未明确列出，补偿性满足度一般。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
该职位使用前沿的SciML技术，涉及物理与AI的深度交叉，且提供技术领导机会，成长空间大。
技术前沿前沿/新兴技术
技术栈SciML、物理信息机器学习、混合建模、TensorFlow、PINN
业务类型ambiguous
工作生活
30较低
工作地点固定在新竹，要求现场办公，并有国际差旅，灵活性低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
60中等
在制造业领域应用AI提升效率，有一定社会意义，但行业成熟，创新性中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs