通用电气-布朗-博韦里
Data Science & AI Specialist
Data Science & AI Specialist
发布于 34 分钟前普通员工/个人贡献者
全职员工仅现场办公数据科学
数据科学
云计算
异常检测
强化学习
数据分析
时间序列分析
机器学习
深度学习
电力系统
算法设计
值不值得投
68综合评分
综合评分 68
能源AI算法岗，技术前沿、社会价值高，但需现场办公，具体WLB未明确。
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。
薪资怎么样
25K
比数据科学中位数低
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 310 个在招
职位详情
关于这个职位
作为ABB数据科学与AI专家，你将主导能源领域（如虚拟电厂、微电网）的AI算法开发与数据驱动应用
工作包括设计交易优化算法、构建设备健康评估模型、处理时序数据并参与算法从验证到工程落地的全过程，将数据洞察转化为提升能源系统效率和可靠性的实际解决方案
最低要求
学历背景：全日制本科及以上学历，电气工程、自动化、计算机科学、软件工程、应用数学或相关专业
编程技能：熟练掌握Python、Golang、Java中至少一门语言，具备良好的代码规范和工程最佳实践意识
算法基础：熟悉常见的机器学习和深度学习算法（如监督学习、无监督学习、强化学习等）
数据处理：熟练使用PostgreSQL等数据库工具
软技能：具备较强的学习能力、沟通能力和抗压能力
工作职责
虚拟电厂交易算法开发：设计并实施虚拟电厂的聚合控制算法与交易优化模型
研究用于协调发电、电网、负荷和储能系统的多目标优化算法，以支持电力市场交易决策
开发实时功率平衡与调度预测模型
智能体算法开发：开发分布式决策智能体，支持微电网的自主运行与管理
完善具身智能系统的“感知-决策-执行”全链路
配电设备资产健康评估：构建设备状态监测与健康评估算法模型
研究并实施预测性维护算法
利用多源数据进行异常检测与故障预警
数据驱动应用探索：处理电力系统时序数据，进行特征工程与模型优化
参与算法在真实场景中的验证与实施
技术转化与协作：与云平台团队协作，实施算法工程化
撰写技术文档与算法白皮书，总结最佳实践
优先资格
了解电力系统基本原理或具备智能电网概念知识
具有时序预测、异常检测或相关应用的项目经验
熟悉能源行业应用场景，如微电网、虚拟电厂、需求侧响应等
AI 洞察
优缺点分析
优点
- 技术前沿性强，直接应用AI/ML解决能源转型中的实际问题（如虚拟电厂），行业前景广阔
- 项目成果可见度高，算法直接影响电网运行与交易，技术价值易被认可
- 背靠ABB全球化平台，有接触先进能源技术、参与大型工业项目的机会
- 职位描述明确鼓励创新与自主权（Autonomy & Ownership），技术实现空间较大
- 从算法研究到工程落地再到实际业务验证的链条较长，需要较强的跨团队协作与推动能力
- 能源行业（特别是电网侧）的技术迭代与项目验证周期可能相对较长，需要耐心
- 具备扎实机器学习和编程功底，对能源（电力）行业有浓厚兴趣或相关背景，喜欢用技术解决复杂实际问题，并愿意深入理解业务场景的工程师
缺点 / 挑战
- 技术挑战高，需要同时深入理解复杂的AI算法和特定的能源领域知识（如电力市场、设备状态）
角色解读
- 在技术路线上深耕，成为能源AI领域的资深算法专家或解决方案架构师
- 凭借项目经验与技术影响力，可向技术团队负责人或数据科学经理方向发展
- 凭借对能源行业的深入理解，可转向能源数字化、智能电网领域的咨询或产品岗位
- 设计并开发用于虚拟电厂、微电网的AI算法与优化模型，解决能源交易与调度问题
- 构建设备状态监测与预测性维护模型，提升配电资产的健康管理水平
- 处理与分析电力系统时序数据，并将算法模型工程化落地到实际业务场景中
- 与跨职能团队（如云平台）协作，并通过撰写文档总结技术成果与最佳实践
- 扎实的机器学习与深度学习算法基础，能独立进行算法设计与实现
- 至少精通Python，并能结合数据库（如PostgreSQL）进行数据处理与分析
- 对电力系统或能源行业有基本认知，理解时序数据、优化问题等业务背景
- 良好的工程实践能力，包括代码规范、文档撰写以及算法工程化协作
申请策略
- 仔细阅读JD中关于具体业务场景（虚拟电厂、智能体、设备健康）的描述，在面试中展现你对这些场景的理解和思考
- 关注ABB在能源数字化和智能电网方面的最新动态和解决方案，体现你对该公司业务的诚意和兴趣
- 重点展示与‘时序数据分析’、‘异常检测’、‘优化算法’或‘强化学习’相关的项目经验，最好能体现能源、工业等背景
- 明确列出掌握的编程语言（Python为主）和机器学习/深度学习框架（如TensorFlow, PyTorch）的使用经验
- 如有电力系统、智能电网、自动化等相关专业背景或项目经历，务必突出
- 强调代码工程能力、文档撰写能力和在项目中推动落地的经验
- 系统学习或复习电力系统基础知识（如电网结构、电力市场、微电网概念），即使只是概念性了解也大有裨益
- 深入研究强化学习在优化调度问题中的应用，这是JD中提到的关键词
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验问题，突出你的技术决策和量化成果
- 对于场景设计类问题，先明确问题定义（目标、约束），再阐述技术选型思路（算法、模型、工具），最后讨论潜在挑战和优化方向
- 展示你连接技术与业务的能力，解释你的算法方案如何具体解决JD中提到的业务痛点（如提升交易收益、保障电网稳定）
- 请描述一个你处理过的最复杂的时序数据分析或预测项目
- 你的方法是什么？遇到了哪些挑战，如何解决的？
- 如何为虚拟电厂设计一个多目标交易优化算法？请说明你会考虑哪些约束和目标
- 解释一下强化学习在微电网智能体决策中的应用可能面临哪些实际困难？
- 如何评估一个预测性维护算法模型的性能？在工业场景中部署时需要考虑哪些因素？
职位点评
薪资福利70
成长发展75
工作生活50
使命价值80
薪资福利
70中等
作为跨国巨头企业的技术岗位，薪资应处于市场水准，但JD未提供具体信息。作为已上市公司，福利体系可能较为规范，但具体福利项未提及。
薪资信号未披露（AI估算：18K-32K/月）
成长发展
75中等
该职位技术栈前沿（AI/ML、能源AI），有明确的技能应用场景和项目挑战，有利于专业能力成长。但JD中未明确提及内部培训或晋升路径。
技术前沿前沿/新兴技术
技术栈AI、Machine Learning、Deep Learning、Reinforcement Learning、Time Series Forecasting、Anomaly Detection、Python、PostgreSQL
业务类型profit_center
工作生活
50较低
JD明确工作模式为现场办公，未提及任何弹性办公或WLB相关政策，生活灵活性有限。
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
80较高
岗位聚焦于能源数字化与智能化，直接为行业减碳增效（‘leaner and cleaner’）创造价值，社会影响力较高。行业处于高速发展期，创新性强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号run leaner and cleaner、drive innovation、impact that matters、Building a cleaner, smarter future
创新程度积极采用新技术
通用电气-布朗-博韦里 的其他在招职位
相似职位推荐
Watch Jobs