建模分析实习生

职位描述

1. 建模分析（主要方向，约 75% 时间）

- 针对测试业务（如 HIL 仿真、实车测试、自动化测试等）进行数学建模与仿真建模；

- 对测试数据进行统计分析、分布拟合、假设检验、效应量评估，输出可解释的结论；

- 协助搭建仿真环境或数学模型，用于预测测试结果、优化测试策略、评估版本差异；

- 编写数据分析脚本（Python / R / MATLAB），实现数据清洗、建模、可视化与报告自动化；

- 与测试、算法、工程团队协作，将模型结论落地为可执行的测试建议。

2. 项目管理支持（次要方向，≤25% 时间）

- 协助跟踪项目进度，维护任务看板、排期表与风险清单；

- 组织小型协调会议，记录会议纪要并跟进待办事项；

- 整理项目文档、周报与汇报材料，确保信息同步；

- 在需要时协助跨团队沟通，推动任务按时交付。

3. 你将获得：

- 真实工业级测试业务场景下的建模与仿真实践；

- 统计推断、仿真建模、项目管理三方面能力的快速成长；

- 与算法、测试、工程团队紧密协作的跨职能经验。

任职要求

1. 实习时长：每周至少 3 天，持续 3 个月以上。

2. 时间分配：业务与建模分析 ≥75%，项目管理 ≤25%。

3. 任职要求：

- 本科高年级或硕士/博士在读，统计学、数学、计算机、人工智能、自动化、运筹学、计量经济等相关专业；

- 具备扎实的概率论与数理统计基础，理解贝叶斯理论（先验/后验、共轭分布、分层模型、贝叶斯推断）者优先；

- 熟悉至少一种AI 模型相关技术：机器学习、深度学习、Transformer、LLM/VLM，有实际训练、微调或评估经验者优先；

- 了解或使用过 MCMC（马尔可夫链蒙特卡洛） 或 蒙特卡洛（MC） 方法，如 Metropolis-Hastings、Gibbs 采样、重要性采样、拒绝采样等；熟悉收敛诊断、概率编程（PyMC、Stan、NumPyro 等）者优先；

- 熟练使用 Python，具备良好的编程、数据处理与可视化能力；

- 有仿真建模经验者优先；

- 具备良好的逻辑思维、文档撰写与沟通能力；

- 对测试业务、数据分析、项目管理有浓厚兴趣，能主动推进任务。

4. 学历背景：

- 贝叶斯理论 / MCMC / MC 方向：偏好统计学、数学、计算数学、运筹学等硕士或博士在读；

- AI 模型方向：偏好计算机、人工智能、自动化等硕士优先，有高质量项目或论文的本科生可放宽；

- 特别优秀者：本科生如有顶会论文、Kaggle 高名次、数学建模国奖或高质量开源项目，可放宽学历要求。

5. 加分项

- 有数学建模竞赛、Kaggle、论文或相关实习经历。