中国移动
产品研发工程师（产数）
产品研发工程师（产数）
发布于 2 天前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
硕士
机器学习
深度学习
PyTorch
智能体
Fastgpt
工业设备预测性维护
AI 估算 · 15k–25k
国有大厂算法岗，薪酬竞争力强，技术难度高，上海生活成本高，薪资水平合理。
职位详情
关于这个职位
该职位在中移上研院从事工业设备预测性维护与健康管理的算法研发，应用机器学习、深度学习技术进行故障诊断和趋势预测，同时参与AI智能体产品开发，利用大模型平台实现智能交互
适合有Python和AI经验的硕博在读或毕业生，能接触前沿技术和大厂平台
最低要求
会Python语言，熟悉MySQL、Redis等常用数据库和缓存技术，具备良好的数据库使用能力
掌握机器学习与深度学习基本原理，了解线性回归、无监督聚类、深度神经网络（DNN）、卷积神经网络（CNN）等经典算法模型，理解特征分解、矩阵运算等数学基础，能够运用 PyTorch 完成模型搭建、训练与调优
有完整的项目实习开发经历
具备良好的编码规范、逻辑思维能力
有较强的学习能力和抗压能力，适应快速迭代的开发节奏
良好的沟通协调能力和团队合作精神，积极配合团队完成项目目标
工作职责
使用Python语言进行算法编程
围绕工业设备预测性维护与健康管理场景，研究并应用机器学习、深度学习算法，利用回归、聚类、深度网络等，完成设备故障诊断、健康度评估、劣化趋势预测，负责工业设备数据清洗、特征工程、数据可视化，输出算法实验报告与分析结论，支撑运维业务优化
参与智能体相关产品的开发工作，负责功能的实现与迭代，运用Dify或Fastgpt等平台进行大模型应用开发，实现智能交互功能的落地
积极运用AI辅助编程工具（如Cursor、Claude Code等）提升开发效率，探索AI在开发流程中的最佳实践，并赋能技术提升
优先资格
优先硕二及以上、博士在读学历，计算机、机械、自动化相关专业
有大型企业级应用或AI相关项目开发经验者优先
AI 洞察
优缺点分析
优点
- 接触前沿技术栈（AI、大模型、智能体），技术成长空间大
- 央企平台，稳定性高，福利完善，适合追求长期发展
- 业务前景好，工业设备预测性维护是国家智能制造战略重点方向
- 技术复杂度高，需要同时掌握机器学习、深度学习和大模型应用，学习曲线陡峭
- 上海生活成本高，薪资虽合理但与一线互联网相比可能偏保守
- 适合对AI算法和工业智能有浓厚兴趣、愿意扎根技术、追求稳定大平台且能承受一定工作强度的硕博人才
缺点 / 挑战
- 可能面临一定的项目交付压力，工作节奏较快，需要快速迭代
角色解读
- 可向AI算法专家方向发展，深入工业智能领域，成为预测性维护和智能体产品的技术负责人
- 积累大模型应用开发和AI工程化经验，向AI架构师或技术经理晋升
- 依托中国移动平台，可横向转型至北斗、智能网联汽车等其他AI赛道
- 使用Python进行算法编程，开发工业设备预测性维护与健康管理模型
- 应用机器学习和深度学习算法进行设备故障诊断、健康度评估和劣化趋势预测
- 参与智能体产品开发，利用Dify或Fastgpt等平台实现大模型应用和智能交互功能
- 使用AI辅助编程工具如Cursor、Claude Code提升开发效率
- 扎实的Python编程能力，熟悉MySQL、Redis等数据库和缓存技术
- 掌握机器学习与深度学习基本原理，熟悉线性回归、聚类、DNN、CNN等模型，能使用PyTorch进行模型搭建和调优
- 了解工业设备预测性维护场景，具备数据清洗、特征工程和可视化能力
- 有AI智能体或大模型应用开发经验，熟悉Dify或Fastgpt等平台者优先
申请策略
- 了解中移上研院的业务重点（北斗、智能网联汽车、新型工业化），在面试中体现对工业互联网和AI结合的理解
- 展示学习能力和抗压能力，强调快速迭代的开发风格
- 突出Python及相关算法项目的完整经历，尤其是故障诊断、预测性维护等工业场景项目
- 强调机器学习/深度学习模型的落地经验，包括数据预处理、模型训练、调优和部署
- 如有智能体或大模型应用（如Dify、Fastgpt）项目，务必重点展示
- 体现使用AI辅助编程工具提升效率的经历，展示对技术趋势的敏感度
- 系统复习机器学习经典算法（回归、聚类、DNN、CNN）和PyTorch熟练度
- 动手实践工业设备数据集，完成一个端到端的预测性维护Demo
面试指南
- 回答技术问题时应先明确问题定义，再分步骤阐述思路，最后总结关键点
- 对于场景类问题，结合具体项目经验，突出数据、模型、效果评估和业务价值
- 请用Python实现一个简单的线性回归模型，并解释梯度下降过程
- 如何处理工业设备传感器数据中的缺失值和噪声？请举例说明特征工程方法
- 在预测性维护场景中，如何选择故障诊断的算法？比较传统机器学习与深度学习的优缺点
- 你使用过哪些大模型应用开发平台？请描述一个你设计的智能体功能
- AI辅助编程工具如何提升你的开发效率？请给出具体例子
- 复习机器学习基础：线性回归、逻辑回归、聚类、DNN、CNN等模型原理和PyTorch实现
匹配度报告
66
综合匹配度
央企大厂、前沿AI技术栈、成长性强，但工作地点固定、WLB一般。
适合人群
最适合追求技术成长和发展空间的求职者，愿意投入学习前沿AI技术并接受稳定工作节奏。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利匹配
70中等
薪资未在JD中披露，但中国移动作为大型央企，薪资福利体系成熟，具有竞争力，整体补偿性动机满足度中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展匹配
85较高
该职位技术栈前沿（机器学习、深度学习、大模型应用），且公司提供工业智能业务场景，成长空间大，但未明确提及培训或晋升通道。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Dify、Fastgpt、机器学习、深度学习、智能体
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性工作或远程，地点在上海市区，通勤压力较大，生活化动机满足度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
工业设备预测性维护助力智能制造，具有一定社会价值，但行业属成熟赛道，创新性中等。
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
Watch Jobs