安克创新
AI-EMS算法工程师实习生-中大充电方向（苏州）
AI-EMS算法工程师实习生-中大充电方向（苏州）
发布于 2 天前实习/见习
苏州市
无经验要求
实习生
仅现场办公
学历未注明
研究与开发 (研发)
信号处理
异常检测
时序分析
机器学习
深度学习
家庭能效管理
能源算法
负荷监测
AI 估算 · 3k–6k
大厂算法实习生标准薪资，结合苏州生活成本，中位数约4500元/月。
职位详情
关于这个职位
该实习岗位聚焦于家庭能源管理领域，利用机器学习和深度学习技术开发负荷监测与能源优化算法
你将参与负荷分解、异常检测及能耗建模等核心算法的设计与优化，并在仿真系统中验证性能
表现优秀者可直接获得校招转正机会，是积累前沿AI应用经验和进入智能能源赛道的好机会
最低要求
无明确列出，但要求具备机器学习、深度学习、信号处理等相关知识背景
工作职责
设计、开发和优化负荷监测算法，包括负荷分解、负荷识别、用电行为建模及能耗异常检测
基于机器学习和深度学习技术，构建高精度的用电设备状态识别模型
设计、开发、优化家庭能源管理算法，优化评估指标
设计仿真系统验证算法性能
参与系统测试和调试，确保算法落地的性能和可靠性
跟踪负荷监测领域前沿技术，探索在家庭能效管理中的应用场景
AI 洞察
优缺点分析
优点
- 参与前沿的能源AI应用，技术积累价值高
- 团队专业，培养体系完整，适合技术成长
- 算法落地需兼顾性能与可靠性，调试过程可能较复杂
- 需要同时掌握算法与工程实现，学习曲线陡峭
- 适合对AI+能源方向感兴趣、渴望在大平台积累实践经验并争取转正的硕士或优秀本科生
缺点 / 挑战
- 大厂平台，有转正机会，降低校招压力
- 实习期需快速上手，时间压力可能较大
角色解读
- 实习转正后，可深入参与核心算法研发，向高级算法工程师发展
- 未来可专攻能源AI方向，成为智能电网或智慧家庭领域的技术专家
- 也可横向转型至其他AI应用领域，如工业异常检测或预测性维护
- 设计和优化负荷监测算法，包括负荷分解、识别及能耗异常检测
- 基于机器学习和深度学习技术构建用电设备状态识别模型
- 开发家庭能源管理算法并设计仿真系统验证性能
- 跟踪前沿技术，探索在家庭能效管理中的应用
- 扎实的机器学习与深度学习理论基础，熟悉常见模型（如CNN、RNN）
- 熟练使用Python，具备TensorFlow或PyTorch等框架的开发经验
- 了解信号处理或时间序列分析的基本方法
- 具备算法实现与仿真验证的能力
申请策略
- 关注安克创新在能源领域的产品布局，面试中展现对业务的理解
- 准备1-2个与负荷监测或异常检测相关的项目案例，详细说明算法设计与效果
- 突出机器学习/深度学习项目经验，尤其是时间序列或信号处理相关
- 强调算法实现能力，展示GitHub或竞赛成果
- 如有能源或电力系统背景，务必提及
- 提及编程技能（Python，框架使用）和仿真工具使用经验
- 复习时序分析基础，如LSTM、Transformer在时序中的应用
- 练习使用PyTorch或TensorFlow快速搭建模型
面试指南
- 对于算法原理问题，先概括基本概念，再分步骤说明技术细节，最后结合实际应用场景
- 对于项目描述，采用STAR法则：情境-任务-行动-结果，突出你的贡献和量化成果
- 对于开放性问题，展示结构化思维：先分析问题，再提出解决方案，最后评估可行性
- 请解释负荷分解（NILM）的基本原理和常用方法
- 如何利用深度学习进行时间序列异常检测？请举例说明
- 详细描述一个你完成的机器学习项目，包括数据、模型选择、评估指标
- 如果模型在仿真中表现良好但实际效果差，你会如何排查？
- 你对家庭能源管理有什么了解？如何评估算法对节能的实际贡献？
职位点评
62
综合评分
大厂实习，前沿能源AI，有转正机会，薪资一般。
更适合这类人
适合追求技术成长和转正机会，对短期薪资要求不高的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利35
成长发展85
工作生活60
使命价值70
薪资福利
35较低
实习生薪资相对较低，但大厂实习经历对后续求职有长期价值。
薪资信号未披露（AI估算：3K-6K/月）
成长发展
85较高
岗位技术前沿，有系统培养和转正机会，成长性极强。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、负荷监测、时序分析、能源算法
成长机会培养、转正机会
业务类型ambiguous
工作生活
60中等
现场办公，苏州工作，实习生通常有相对固定的工时，但未提及弹性或远程。
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
70中等
能源管理助力节能减排，具有社会价值，行业处于高速增长期。
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