面向交通運行管理、事件研判、資源調度、風險評估、運維優化等業務場景，構建可落地的數學模型與優化算法能力體系，形成“數據—模型—決策—評估—迭代”的工程閉環，為產品提供可解釋、可控、可評估的決策與推演能力。
崗位職責（正式）
1. 建模與問題定義：將業務問題抽象為數學模型（預測、分類、評分、優化、推演、仿真等），定義目標函數、約束條件與評價指標，并形成技術方案文檔。
2. 優化與運籌算法研發：針對調度優化、路徑規劃、資源分配、隊列/排隊、庫存/備件、設備巡檢等問題，設計并實現 MILP/ILP、LP、QP、網絡流、動態規劃、啟發式/元啟發式（GA/SA/PSO/TS）等算法。
3. 統計與時空建模：構建時序/時空統計模型（ARIMA/狀態空間/貝葉斯/卡爾曼/Markov/生存分析等），用于趨勢預測、異常檢測、風險評估與不確定性量化。
4. 仿真與推演：搭建事件推演與策略評估框架（離散事件仿真/Monte Carlo/系統動力學等），支持方案對比、敏感性分析與魯棒性評估。
5. 工程落地與服務化：將算法模塊工程化（API/SDK/微服務），實現可配置參數、可觀測日志、性能優化與線上穩定性保障；配合前后端完成產品集成。
6. 評測與閉環：建設離線評測集、仿真實驗與線上 A/B 指標體系，輸出可復現實驗、性能報告與迭代路線。
7. 跨團隊協作：與產品、數據、研發、交付團隊協同推進需求拆解、驗收標準、上線與持續優化。
崗位職責（實習生）
1. 在導師指導下完成特定業務問題的數據分析、建模推導、算法實現與實驗復現。
2. 參與構建優化/統計/仿真模型，完成參數調優與對比實驗，輸出實驗記錄與階段報告。
3. 協助算法工程化：編寫可復用模塊、單元測試、數據處理腳本與可視化分析。
4. 參與文檔沉淀：技術筆記、實驗復現說明、模型假設與局限性總結。
任職要求（正式）
1. 學歷：研究生及以上（成績優異本科生可破格），數學/統計等相關專業優先。
2. 核心能力：具備扎實的數學建模與算法基礎（線性代數、概率統計、優化理論、數值計算）。
3. 工程能力：熟練 Python，具備良好編碼規范與調試能力；能獨立完成從原型到工程化交付。
4. 模型與算法經驗：至少熟悉以下兩類并有項目實踐：
? 運籌優化（LP/MIP/網絡流/DP/啟發式）
? 統計建模/不確定性（貝葉斯/時間序列/狀態空間/異常檢測）
? 仿真推演（離散事件/Monte Carlo/系統動力學）
5. 工具棧（滿足其一或多項）：OR-Tools / Gurobi / CPLEX / PuLP / Pyomo / SciPy / Statsmodels / PyTorch(用于輔助建模) 等。
6. 軟能力：良好的問題抽象能力、溝通表達能力與文檔能力，能把“業務語言”轉化為“模型語言”。
任職要求（實習生）
1. 研究生在讀，相關專業；每周可實習 ≥3–4 天，持續 ≥3 個月優先。
2. 熟悉 Python，掌握基礎數據處理與可視化（Pandas/Numpy/Matplotlib）。
3. 具備數學建模競賽/課程項目/科研項目經歷者優先（需能講清楚：問題、假設、模型、結果與不足）。
4. 學習能力強，能快速理解業務并完成實驗復現與小模塊開發。
加分項
? 有交通（高速/隧道/TOCC/交管）或城市治理、工業運維、能源調度等領域經驗。
? 有復雜約束優化落地經驗（實時性、魯棒性、多目標、約束沖突處理）。
? 有線上服務化與工程優化經驗（FastAPI/Flask、Docker、K8s、CI/CD、日志監控）。
? 有數據治理/指標體系/實驗平臺搭建經驗。
? 論文/專利/開源項目/競賽獲獎（國賽/美賽/挑戰賽等）。
我們提供
? 真實業務場景與可量化的指標閉環，模型從研究到產品落地全流程參與。
? 與算法/工程/產品/交付多角色協作，技術成長路徑清晰。