1、負(fù)責(zé)工業(yè)智能系統(tǒng)應(yīng)用（AI）相關(guān)數(shù)據(jù)挖掘算法的建設(shè)和優(yōu)化：主要涉及生產(chǎn)調(diào)度優(yōu)化、工業(yè)質(zhì)量檢測故障預(yù)警、質(zhì)量循因分析等時序預(yù)測和智能調(diào)度算法的開發(fā)和實(shí)施；開發(fā)和優(yōu)化基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的時序預(yù)測模型，以提高工業(yè)生產(chǎn)制造中的產(chǎn)質(zhì)耗停預(yù)測準(zhǔn)確性。
2、研究和應(yīng)用最新的時序預(yù)測算法：如LSTM、GRU、Transformer等，分析和處理大規(guī)模時序數(shù)據(jù)，進(jìn)行特征工程和數(shù)據(jù)預(yù)處理。
3、智能調(diào)度算法：設(shè)計和實(shí)現(xiàn)智能調(diào)度算法，以優(yōu)化生產(chǎn)制造系統(tǒng)的排班作業(yè)效率；研究和應(yīng)用動態(tài)規(guī)劃、強(qiáng)化學(xué)習(xí)等優(yōu)化算法等技術(shù)，提升生產(chǎn)調(diào)度的智能化水平；與硬件和軟件團(tuán)隊(duì)合作，確保算法在實(shí)際系統(tǒng)中的高效運(yùn)行。
4、模型評估與優(yōu)化：設(shè)計和執(zhí)行實(shí)驗(yàn)，評估模型性能，并進(jìn)行持續(xù)優(yōu)化；使用交叉驗(yàn)證、網(wǎng)格搜索等技術(shù)，優(yōu)化模型參數(shù)和超參數(shù)。