岗位描述
【岗位职责】
1、构建融合多模态数据的预测体系:从多源指标(植被、温度、水分等)与气象再分析、数值预报数据中构建特征,对真实世界的关键指标进行估计与预测。
2、研发时空序列算法:系统评估深度时序模型与时序基础模型的真实增量,覆盖点预测、概率预测与分位数输出。
3、探索多模态时空建模与世界模型方向的应用,用严格的对照实验验证新方法相对传统基线的真实增益。
4、建立评测与回测框架:按时间切分的 walk-forward 验证、防前视泄漏的特征时点管理,以及长期的误差追踪机制。
5、评估极端天气事件的影响并量化其不确定性;支持预测结果在量化研究等金融场景的应用与工程化落地。
【任职要求】
1、统计学、机器学习、大气科学、农业系统、计量经济等相关专业,国内外硕士及以上学历;有可验证的预测项目经历,能定量说明误差来源与失效场景。
2、时序建模功底扎实:状态空间、梯度提升、深度时序方法中至少两项有实战应用,理解小样本高噪声问题中领域先验与正则化的价值。
3、有多源数据的实际使用经验:能独立处理与分析数据,理解其误差结构、时空分辨率与物理含义。
4. 精通 Python 科学计算栈与 PyTorch,实验全程可复现(配置化管理、实验跟踪);能直接阅读英文文献与行业报告原文。
5. 熟练以 LLM 与 AI 编程助手加速文献综述、代码实现与消融实验,面试需现场演示 AI 工作流。
【加分项】
1、在气象与金融量化的交叉领域有实战经历,成果经过真实场景的事后检验。
2、预测类竞赛的全球顶尖成绩或在时序方向有高水平论文。
3、主导过 0→1 的预测系统并持续迭代运行,有可展示的验证记录。
4、对某一实体行业有深入理解,能把行业知识转化为模型先验与特征设计。