岗位职责：
1. 清洗、转换、集成多源异构数据，构建和维护高质量、可分析的统一数据平台/数据仓库。
2. 深入分析工艺参数（如涂布重量/厚度、辊压密度、注液量、化成/分容参数、环境温湿度）与电池关键质量特性（如容量、内阻、循环寿命、自放电、安全性）之间的关联关系。
3. 开发统计模型、机器学习模型解决特定的生产优化、质量预测、故障诊断等问题。
4. 建立预测模型，预测电池性能（如容量、循环寿命）和关键缺陷（如析锂、微短路、漏液）。
5. 参与制定和维护电池生产数据的采集规范、命名规范、存储规范。
6. 分析设备运行数据，预测设备潜在故障，推动预测性维护。
任职要求：
1、硕士及以上学历，汽车、计算机、统计学、大数据、软件工程等相关专业，2年以上工作经验;
2、扎实的统计学基础，熟悉常用机器学习算法（回归、分类、聚类、时间序列分析等）精通 SQL，熟练使用 Python 或 R 进行数据分析和建模;
3、扎实的统计学基础，熟悉常用机器学习算法（回归、分类、聚类、时间序列分析等
4、理解电池基本原理（电化学）、关键生产工艺流程（前段/中段/后段）、关键性能指标（容量、内阻、能量密度、循环寿命、安全测试等）、常见缺陷模式及失效机理;