優化智能

主要責任:

1. 領導設計和優化公司的核心AI驅動供應鏈風險預測和智能決策平台的算法，為複雜的供應鏈場景建立數據驅動的模型。

2. 開發並實現混合智能算法，將機器學習、運作研究和控制理論整合在一起，以解決供應鏈規劃、排程和實時控制中的關鍵挑戰。

3. 探索使用尖端技術——包括大型語言模型（LLMs）、圖形神經網絡（GNNs）和逆向強化學習（IRL）——來增強系統的智能。

4. 為半導體製造、電子商務物流和交通網絡等垂直行業設計高效率的規劃、排程和實時控制系統，確保算法在實際業務運作中得到應用。

5. 與工程團隊密切合作，將研究結果轉換為可擴展、可靠、工業級的解決方案。

6. 監控學界與產業界的發展動態，為公司的技術策略貢獻力量，並推動知識產權發展和研究結果的商業化。

最低入學要求：

1. 教育和研究背景

1. 管理科學和工程、工業工程、運作研究/最優化、控制科學和工程、數據科學、電腦科學或相關領域的認可大學的博士學位。

2. 後博士研究經驗或同等研究背景，著重於供應鏈管理、物流最佳化、智能排程、交通系統、智慧製造或相關領域。

3. 在運作研究、管理科學、供應鏈、交通或智能決策的高級期刊或國際會議上出版代表性的研究結果。

2. 核心技能

1. 熟悉運作研究方法，如整數規劃、動態規劃、分解算法和启发式方法，能夠獨立建模和解決複雜問題。

2. 深入理解強化學習、逆向強化學習、圖神經網絡和大語言模型，並實際應用於規劃、排程或控制問題。

3. 經驗處理複雜的優化挑戰，如車輛路線規劃、生產排程、資源分配和庫存控制。

4. 能夠整合優化、學習和控制方法論來解決實用的智能決策問題。

3. 工業和項目經驗

1. 至少2年研究或算法開發經驗；在網路、物流、交通或製造業有經驗者優先。

2. 參與供應鏈、物流分發、智慧交通、半導體製造或電子商務營運的項目，具有將模型轉換為營運系統的經驗。

3. 與產業夥伴合作的經驗或在實際應用中實現研究結果。

4. 技術工具和軟技能

1. 精通Python，具有強大的算法實現和工程技能。

2. 熟悉工具和框架，如Gurobi、CPLEX、PyTorch和TensorFlow。

3. 英語溝通和技術寫作能力強。

4. 優秀的團隊合作和跨部門協作能力，有推動項目成功實施的紀錄。