端到端学习驱动的一体化供应链建设

1.运筹优化/数理统计/计量学/计算机算法开发：通过数据分析诊断问题，挖掘业务场景的规律模式，应用机器学习、强化学习等算法预测或沉淀决策策略，探索算法落地机会点，并与大规模优化算法结合，实现端到端学习决策。 2.供应链与物流业务场景理解：围绕公司的供应链仓网设计、库存计划、服务网络设计与车辆调度等业务场景，对场景抽象建模并通过算法降本增效。 3.前沿技术探索：持续跟进前沿运筹优化、强化学习等研究进展，将最新研究成果与公司业务相结合，挖掘算法优化深度空间。

1. 统计学、计算机、自动化、运筹学、数学、系统工程、物流工程、仿真、管理科学与工程等相关专业的本硕博在校生。 2. 熟练掌握Python语言，能够熟练使用numpy、pandas、scikit-learn等工具独立进行建模实验。 3. 熟悉常用数据挖掘、机器学习算法，或精通运筹优化、仿真优化等领域的理论工具（如LP、MIP、DP等）。 4. 具备扎实的统计或优化基础，拥有大规模数据提取、挖掘或数学建模的实战经验。 5. 拥有顶级学术会议及期刊发表经历，或在复杂调度项目中取得良好落地效果者优先。