阿里巴巴
阿里云智能-数据中心-IDC技术研发-智能化技术-杭州
阿里云智能-数据中心-IDC技术研发-智能化技术-杭州
发布于 3 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
Lstm
Pytorch
Tensorflow
异常检测
数字孪生
边缘计算
值不值得投
76综合评分
综合评分 76
阿里核心IDC技术岗，前沿AI+工业智能，高薪高成长，但工作强度较大
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，方便横向比较。
薪资怎么样
5.5万
比机器学习工程中位数高
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 4490 个在招 · 其中机器学习工程 约 230 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 310 个在招
职位详情
关于这个职位
该职位负责建设数据中心机电设备的预测性维护（PHM）体系，利用数字孪生技术实现故障预警与自动定位
核心工作包括算法研发（异常检测、根因诊断）、模型部署优化及全周期运营，推动数据中心向少人化、智能化运维演进
最低要求
计算机、自动化、电气工程、机械工程、暖通等相关专业，硕士及以上学历
年以上算法研发或工业智能相关经验，至少有1个PHM、故障诊断或预测性维护项目从研发到上线的完整经历
精通异常检测和时序建模，熟悉AutoEncoder、LSTM、Transformer等深度学习方法，以及频谱、时频等信号分析方法
能独立完成建模、评估和优化，有小样本、多工况条件下的建模经验
熟练使用Python及NumPy、Pandas、SciPy，至少熟练掌握PyTorch、TensorFlow、scikit-learn中的一种
熟悉Linux、Git、Docker，有模型服务化部署经验
了解ONNX Runtime、TensorRT等推理框架，以及模型量化、剪枝等轻量化方法
熟悉电气、暖通或机械设备的基本原理、典型故障和监测参数，至少在一个设备领域有实际诊断经验
理解数字孪生技术体系，能结合机理模型、仿真模型和实测数据分析设备状态
问题分析和跨团队协作能力强，能系统定位现场问题，拉通设备、运维、产品、研发等团队推动解决
工作职责
负责PHM技术规划和架构设计
结合业务需求和行业趋势，明确技术路线、研发目标和里程碑
覆盖的设备包括柴油发电机、UPS、电池等电气设备，以及冷水机组、水泵、冷却塔、空调等暖通设备
基于设备运行数据和孪生模型，研发异常检测、故障预测、根因诊断等算法
结合设备机理和仿真数据，完成特征构建、模型训练和效果验证
综合运用机器学习、深度学习、时间序列分析和信号处理技术，包括Isolation Forest、XGBoost、AutoEncoder、LSTM、Transformer，以及频谱、时频和振动信号分析
针对数据缺失、质量波动、工况变化和故障样本不足等现场问题，持续提升算法的稳定性、泛化能力和诊断效果
建立可复用的建模和适配方法，让算法能快速推广到不同数据中心和设备类型
负责算法在边缘侧（如集装箱数据中心）和云端的部署与推理运营，包括推理平台建设、算法服务开发、系统集成、测试灰度、部署上线、运行监控和版本迭代
针对边缘侧算力受限、云端多设备并发推理等场景，做模型轻量化、推理性能优化和资源调度，保证推理服务的实时性、稳定性和可扩展性
建立模型漂移检测机制，保证线上模型持续有效
制定算法研发、数据接入、测试灰度和上线运维的技术规范与准入标准，沉淀可复用的PHM技术体系
对算法效果和质量负责
建立检出率、诊断准确率等指标体系，在测试、灰度和运营各阶段持续跟踪和优化
协同设备、运维、产品和平台研发团队，推动PHM技术在业务场景中验证和推广
AI 洞察
优缺点分析
优点
- 处于AI与实体基础设施结合的热门赛道，技术壁垒高
- 依托阿里云平台，数据资源丰富，应用场景真实且规模大
- 需深入理解机电物理机理，跨界知识要求高
- 具备扎实算法功底且对工业物联网、能源管理感兴趣，喜欢解决复杂现实问题的资深工程师
缺点 / 挑战
- 现场数据噪声大、样本少，算法鲁棒性挑战极大
角色解读
- 可向AIoT专家、首席算法科学家或数据中心智能化架构师方向发展，深耕工业智能领域
- 负责数据中心关键机电设备（如UPS、冷水机组）的预测性维护算法研发与落地
- 精通深度学习（LSTM/Transformer）与时序分析，具备PHM项目全流程经验，熟悉边缘侧部署与模型优化
申请策略
- 准备具体案例说明如何处理‘脏数据’和‘长尾故障’，展示跨部门协作推动落地的能力
- 突出PHM或故障诊断项目的完整闭环经验，强调在数据缺失/小样本下的模型优化成果及边缘部署能力
- 补充暖通/电气基础理论，学习ONNX/TensorRT等推理加速工具，强化对时序信号处理的深入理解
面试指南
- 使用STAR法则（情境、任务、行动、结果），重点描述技术难点、解决方案的创新性及最终的业务价值（如降低停机时间）
- 请分享一个你主导的PHM或故障诊断项目，你是如何解决小样本和噪声问题的？
- 在边缘侧算力受限的情况下，如何进行模型轻量化和推理加速？
- 如何结合机理模型和数据驱动模型提升诊断准确率？
- 面对模型在线漂移，你有什么检测和调整机制？
- 复习深度学习前沿模型在时序数据中的应用，准备关于模型部署优化的具体技术细节，了解数据中心基础设施常识
职位点评
薪资福利85
成长发展90
工作生活45
使命价值75
薪资福利
85较高
作为上市巨头企业的高阶技术岗，薪资竞争力强，福利体系完善，符合市场高水平标准。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
90较高
涉及数字孪生、边缘AI等前沿技术，且处于高速增长的数据中心智能化领域，成长空间巨大。
技术前沿前沿/新兴技术
技术栈数字孪生、PHM、LSTM、Transformer、边缘计算、模型轻量化
业务类型cost_center
工作生活
45较低
大厂高强度工作环境，虽可能有弹性但整体压力较大，WLB一般。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
75中等
通过智能化运维推动数据中心节能降耗，具有明显的绿色科技和社会价值导向。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号推动数据中心向少人化、智能化运维演进
创新程度积极采用新技术
Watch Jobs