博世
Research Scientist - Time Series_CR
Research Scientist - Time Series_CR
发布于 大约 9 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
博士
机器学习工程
Pytorch
博士
工业Ai
异常检测
时间序列
机器学习
深度学习
预测
AI 估算 · 30k–50k
博士学历+AI研究岗，上海外企，薪资有竞争力，月薪30-50K。
职位详情
关于这个职位
该职位是博世AI研究中心的研究科学家岗位，专注于时间序列模型的研究与开发，应用于工业领域的预测和异常检测
您将与国内顶尖大学科研团队紧密合作，推动前沿AI技术在工业场景中的落地
适合有博士背景、热爱科研、希望将学术成果转化为实际应用的候选人
最低要求
博士学位，专业为计算机、自动化、人工智能、应用数学、物理或其他理工科等相关专业的博士
有较强的编程能力，熟练掌握PyTorch等主流框架
流利的英语听说读写能力
工作职责
与博世具体需求相结合，负责Time series相关模型的研究, 设计、开发和优化时间序列模型，用于预测、异常检测和工业流程优化
与国内顶尖大学研究者紧密合作，推动研究的完成与落地，申请相关专利
积极跟进前沿方向，广泛探索该可行方向和应用，进行原型验证
优先资格
有相关项目经历者优先
有海外经历者优先
在顶尖期刊或会议上发表过论文者优先
AI 洞察
优缺点分析
优点
- 参与工业AI前沿研究，有实际应用场景
- 与顶尖高校合作，学术氛围浓厚
- 团队高学历，海外背景多，利于成长
- 对数学和编程要求高，需持续学习
- 适合有博士学历、热爱时间序列研究、希望在工业界发挥学术能力的候选人
缺点 / 挑战
- 需要平衡研究与产品化，有一定压力
角色解读
- 成为时间序列领域的专家，领导重点项目
- 向技术管理方向发展，带领团队
- 在博世内部或学术界持续发表高水平论文，扩大影响力
- 设计和优化时间序列预测与异常检测模型，解决工业场景中的实际问题
- 与顶尖大学合作，推动研究成果的专利申报与落地应用
- 跟踪前沿技术，进行原型验证，探索新方向
- 扎实的编程功底，精通PyTorch等深度学习框架
- 深厚的时间序列分析理论基础
- 较强的英文读写能力，能进行学术合作
- 博士学历，具备独立科研能力
申请策略
- 准备一份研究摘要，展示关键成果
- 突出时间序列相关项目或论文
- 强调PyTorch使用经验和模型优化成果
- 标注英文能力和海外经历
- 补充工业时间序列应用知识（如异常检测、预测维护）
- 熟悉博世业务场景
面试指南
- 使用STAR法则描述项目，强调理论基础和实验验证
- 结合业务需求，展示模型优化和落地的思考
- 解释你之前的时间序列项目
- 如何选择模型进行评估？
- 如何处理现实中的缺失数据？
- 如何将论文中的模型迁移到工业场景？
- 你对Transformer在时间序列中的应用怎么看？
- 复习时间序列经典模型和最新论文
职位点评
72
综合评分
博世AI研究岗，技术前沿，学术合作多，薪资中上，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合重视技能成长和学术合作、对WLB有一定容忍度的博士。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活60
使命价值70
薪资福利
70中等
薪资在AI博士中属于中上，博世福利完善，但相比互联网可能略低。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
研究导向，与高校合作，技术前沿，成长空间大。
技术前沿前沿/新兴技术
技术栈时间序列、PyTorch、异常检测、深度学习
成长机会与国内顶尖大学紧密合作、申请相关专利、积极跟进前沿方向
业务类型ambiguous
工作生活
60中等
上海外企，WLB通常较好，但未明确提及。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
工业AI优化流程，有正面社会影响，但非直接使命驱动。
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
博世 的其他在招职位
相似职位推荐
Watch Jobs