中国电信
算法工程师（AIOps方向）
算法工程师（AIOps方向）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Aiops
Llm
Pytorch
Tensorflow
大模型
异常检测
时序分析
根因分析
值不值得投
78综合评分
综合评分 78
国家级通信平台、前沿AI技术栈、高稳定性与成长空间，适合追求技术落地与长期发展的应届生。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2万
与机器学习工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2370 个在招 · 其中机器学习工程 26 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 480 个在招
职位详情
关于这个职位
该职位面向中国电信的AIOps智能运维方向，负责研发故障诊断、异常检测、根因定位等核心算法，并结合大模型与Agent技术提升自动化运维能力
你需要与SRE及云平台团队协作，将算法落地于监控告警与DevOps流程中，持续优化智能运维体系
最低要求
届硕士研究生，计算机、人工智能、软件工程、统计学、模式识别、数学、自动化等相关专业
具备扎实的机器学习、深度学习、数据挖掘和统计建模基础，熟悉常见算法原理、特征工程方法、模型训练评估流程及适用场景
熟悉AIOps典型算法方向，包括时序异常检测、日志模板挖掘、指标聚类、相关性分析、根因分析、故障预测、告警降噪、因果推断、图算法等
熟悉Python及常用数据科学/机器学习工具链，如Pandas、NumPy、scikit-learn、PyTorch、TensorFlow、SQL、Spark等
了解大模型技术及其在运维场景中的应用，熟悉Fine-tuning、Loop Engineering、RAG、Agentic应用、LLM评测或智能决策链路
有真实业务场景下通过AI解决质量、效率、安全、稳定性问题的经验，能将算法方案从实验验证推进到生产落地
具备良好的问题抽象、数据分析、实验设计和工程协作能力，能够围绕业务目标定义指标、拆解问题、验证假设并持续迭代
工作职责
负责AIOps智能运维方向的算法研发与落地，面向云平台、业务系统、基础设施和运维数据，建设智能诊断与自动化运维能力
围绕指标、日志、链路追踪、事件告警、调用拓扑、资源数据等多源可观测数据，开展数据清洗、特征提取、时序建模、日志挖掘、异常检测和趋势预测
研发故障早期发现、异常实例识别、告警收敛、故障预测、根因定位、影响面分析、故障路径推断、智能巡检和辅助决策等核心算法
结合大模型、知识图谱、图神经网络、因果推断、时序分析、强化学习等技术，提升复杂系统故障诊断的准确率、可解释性和自动化程度
参与LLM驱动的AIOps Agent设计与研发，通过多Agent协作解决复杂场景下的故障定位、问题归因、变更分析、操作建议生成与运维闭环执行
建设AIOps评估体系与Benchmark，包括故障注入、真实案例复现、受控实验、评测数据集、指标体系和回归验证链路，持续量化算法效果
与SRE、运维、云平台、工程、产品和业务团队协作，将算法能力集成到监控告警、可观测平台、运维平台、DevOps流程和自动化处置系统中
跟踪AIOps、LLM for Ops、智能可观测、云原生运维等领域前沿技术，完成算法调研、复现、优化和业务落地，沉淀可复用算法组件与解决方案
AI 洞察
优缺点分析
优点
- 依托庞大的云网基础设施，拥有海量真实的运维数据和丰富的落地场景
- 接触大模型、Agent等前沿AI技术在运维领域的最新应用，技术栈先进
- 平台稳定性高，福利体系完善，职业生命周期长
- 运维场景复杂，多源异构数据的清洗与特征工程难度较大
- 适合对智能运维、大模型应用有浓厚兴趣，具备扎实算法基础且希望在大平台将技术落地的应届硕士毕业生
缺点 / 挑战
- 算法在实际生产环境中的准确率、可解释性及自动化闭环执行面临较高工程挑战
角色解读
- 从算法研发工程师成长为AIOps领域的技术专家或架构师
- 未来可向智能运维产品负责人或AI技术团队管理者方向发展，主导企业级智能运维体系的建设
- 研发AIOps核心算法，包括异常检测、根因定位、故障预测等，提升运维自动化水平
- 结合大模型与Agent技术，设计多智能体协作系统以解决复杂运维场景问题
- 建设评估体系并与SRE等团队协作，推动算法在监控告警和DevOps流程中的落地
- 扎实的机器学习与深度学习基础，熟悉时序分析、图算法及因果推断等AIOps典型算法
- 熟练掌握Python及主流AI工具链，了解大模型微调、RAG及Agent应用
- 具备将算法从实验推向生产落地的工程化能力与跨团队协作能力
申请策略
- 了解中国电信“云改数转”战略及天翼云的发展规划，在面试中展现对电信级运维场景复杂性的理解
- 突出在时序异常检测、日志挖掘或根因分析等AIOps相关方向的项目经验
- 展示大模型微调、RAG或Agent开发的相关实践，以及将算法成功落地的业务成果
- 强调跨团队协作能力，特别是与SRE或工程团队配合推动算法上线的经历
- 深入学习大模型在运维场景的应用（如LLM for Ops），熟悉LangChain等Agent开发框架
- 补充云原生、可观测性（如Prometheus、SkyWalking）的基础知识，理解运维业务痛点
面试指南
- 采用STAR法则，重点突出业务痛点、算法选型思路、工程落地难点及最终量化的业务收益
- 对于大模型应用，强调Prompt设计、RAG检索优化及Agent工具调用的具体实现与效果对比
- 请介绍一个你主导的时序异常检测或根因分析项目，遇到了哪些挑战？
- 如何将大模型或Agent技术应用于故障定位和运维闭环？
- 面对多源异构的运维数据，你是如何进行数据清洗和特征提取的？
- 如何评估AIOps算法的效果？请描述你设计的评估指标和Benchmark
- 复习经典的AIOps论文和开源项目（如LogPAI），了解中国电信天翼云的基础架构
- 准备一个完整的算法落地案例，能够清晰阐述从数据到模型再到系统集成的全流程
职位点评
薪资福利75
成长发展85
工作生活70
使命价值80
薪资福利
75中等
国企校招薪资处于市场中上水平，福利体系完善，稳定性极高，但现金薪酬可能不及头部互联网企业。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
接触大模型、Agent等前沿技术，依托海量真实业务场景，技术成长空间大，但国企晋升节奏可能相对平稳。
技术前沿前沿/新兴技术
技术栈AIOps、LLM、Agent、PyTorch、TensorFlow、RAG、图神经网络、因果推断
业务类型cost_center
工作生活
70中等
国企通常工作节奏相对规律，但算法研发和系统落地阶段可能面临一定的项目压力，具体WLB情况因部门而异。
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
80较高
支撑国家级通信基础设施的智能运维，保障云网安全稳定运行，具有较高的社会价值和行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs