1.深入理解监督学习、无监督学习、强化学习等机器学习算法原理和深度学习网络结构。 2.具备统计学理论基础，能够运用统计学方法进行数据建模、假设检验、参数估计等。 3.熟悉Linux操作系统环境，能够进行基本的系统管理和脚本编写（如Shell脚本、Python脚本等）；熟练掌握至少一种主流编程语言，如Python或C++；熟练使用TensorFlow、PyTorch等机器学习或深度学习框架，进行模型的开发、训练和部署；熟悉模型调优技巧，掌握时序数据分析算法，能够根据时序数据的特性选择合适的算法模型，并进行模型的优化和调试。 4.具备3年以上相关领域工作经验,具有处理和分析振动、温度、电流等时序数据经历，参与过基于数据的异常检测、故障诊断或预测性维护项目，能够利用机器学习或深度学习技术解决实际问题；熟悉常用的异常检测算法，有处理多源异构数据（如车地通信数据、系统间耦合数据）并进行数据融合的经验；了解列车系统间的相互作用和单系统多参数耦合机制，能够进行有效的数据整合和分析。 5.具备良好的沟通能力，团队合作意识。能够适应不定期出差。