1、海量的不同类型运维数据快速搜索和关联分析：现网设备多种多样，在设备上报海量(亿级)的告警、性能、日志等不同运维类型数据中通过分布式、智能AI等方法，最大程度的提升搜索和数据间关联效率，并最有效降低数据的存储和成本。

2、实现设备的智能异常检测和仿真：设备运行过程中产生海量的运维数据，需快速的对运维数据进行挖掘、分析和检测，基于数据的软件健康状态实时感知，并基于设备/用户行为的下一步状态进行仿真和预测，其基于数据的高精度健康度抽象建模、异常检测和仿真算法是关键能力。

3、通过建立网络设备和网络链路、网络故障、用户行为、设备行为的模型和实时映射，构筑高精度、高性能网络孪生&仿真平台，支撑动态TOPO可视、网络的容灾评估、配置变更以及网络行为感知和预测。

4、面向意图的系统自决策、自优化，基于网络意图的状态感知、基于数据的健康度分析、以及基于知识&AI推理的系统自决策、自优化技术
技术动向及关键技术；

2、深入理解网络路由协议原理，深入理解路由震荡检测，路由收敛，路由优选，路由压缩的算法和机制；

3、熟练掌握领域建模DDD思想和方法，具备网络抽象建模能力、深入理解图论，熟练掌握图分割理论，图搜索算法，二分决策图等相关算法，并能编程实现；

业务技能要求：


1、 熟悉机器学习各种算法应用场景、范围和约束，具备丰富的创造性建模经验；


2、 具备良好的需求理解能力、代码实现能力和问题分析能力；

3、 强烈的责任心，做事认真细致，具备良好的团队合作精神，沟通能力佳；对技术有激情，喜欢钻研，有较强的独立、主动的学习能力。
专业知识要求：

1、 数学、统计学、计算机等相关专业；

2、 精通至少一门语言，Java/C++/Python/Matlab/R/Scala/SQL等，具有扎实的代码功底和实战能力；

3、 精通至少一种AI学习开源工具，如Tensorflow、CNTK、Keras、MXNet、caffe、Torch、Theano等；

4、 熟悉各类算法模型，熟悉其应用场景和优劣，能熟练运用分类、聚类、神经网络等模型解决业务场景问题。

截止日期：2025年04月23日
招聘人数：3人