中国电信｜算法工程师（AIOps方向）

1.负责 AIOps 智能运维方向的算法研发与落地，面向云平台、业务系统、基础设施和运维数据，建设智能诊断与自动化运维能力。 2.围绕指标、日志、链路追踪、事件告警、调用拓扑、资源数据等多源可观测数据，开展数据清洗、特征提取、时序建模、日志挖掘、异常检测和趋势预测。 3.研发故障早期发现、异常实例识别、告警收敛、故障预测、根因定位、影响面分析、故障路径推断、智能巡检和辅助决策等核心算法。 4.结合大模型、知识图谱、图神经网络、因果推断、时序分析、强化学习等技术，提升复杂系统故障诊断的准确率、可解释性和自动化程度。 5.参与 LLM 驱动的 AIOps Agent 设计与研发，通过多 Agent 协作解决复杂场景下的故障定位、问题归因、变更分析、操作建议生成与运维闭环执行。 6.建设 AIOps 评估体系与 Benchmark，包括故障注入、真实案例复现、受控实验、评测数据集、指标体系和回归验证链路，持续量化算法效果。 7.与 SRE、运维、云平台、工程、产品和业务团队协作，将算法能力集成到监控告警、可观测平台、运维平台、DevOps 流程和自动化处置系统中。 8.跟踪 AIOps、LLM for Ops、智能可观测、云原生运维等领域前沿技术，完成算法调研、复现、优化和业务落地，沉淀可复用算法组件与解决方案。

1.2027届计算机、人工智能、软件工程、统计学、模式识别、数学、自动化等相关专业硕士学历 2.具备扎实的机器学习、深度学习、数据挖掘和统计建模基础，熟悉常见算法原理、特征工程方法、模型训练评估流程及适用场景。 3.熟悉 AIOps 典型算法方向，包括时序异常检测、日志模板挖掘、指标聚类、相关性分析、根因分析、故障预测、告警降噪、因果推断、图算法等。 4.熟悉 Python 及常用数据科学 / 机器学习工具链，如 Pandas、NumPy、scikit-learn、PyTorch、TensorFlow、SQL、Spark 等。 5.了解大模型技术及其在运维场景中的应用，熟悉 Fine-tuning、Loop Engineering、RAG、Agentic 应用、LLM 评测或智能决策链路。 6.有真实业务场景下通过 AI 解决质量、效率、安全、稳定性问题的经验，能将算法方案从实验验证推进到生产落地。 8.具备良好的问题抽象、数据分析、实验设计和工程协作能力，能够围绕业务目标定义指标、拆解问题、验证假设并持续迭代。