1、开发阵列气敏传感器模式识别，定性，定量的相关算法
2、建立实时的，动态的阵列传感器的模式识别，数据回归分析，为传感器的测量数据（比如电阻，电压等）建立和用户可以接受理解的信息网络（比如被测物名称，浓度等）。
3、上述过程开发完整的分析，训练，测量程序。
1、硕士以上学历，计算机、电子、自动化等相关专业
2、知道多种处理动态数据的方法。比如：去毛刺，过滤噪音，加权平均，逻辑平均，寻找峰顶值求峰强度，按斜率求峰值等。
3、熟悉机器学习的多种方法（尤其是熟悉支持向量机，主成分分析），能够用程序的方法从测量数据中提取被测结果特征（feature extraction），多元时间时间序列分析（multivariate temporal time-series analysis），多元回归分析（multivariate regression analysis）。
4、熟悉利用支持向量回归，贝叶斯网络，隐马尔可夫模型，智能神经网络，估计理论，优化和各种多元统计技术来帮助化学传感器的开发。
5、至少会一种常用于机器学习的计算机语言。比如：R，Python，Matlab等。对Java，C有一定程度的掌握，至少知道如何将算法程序转换成这其中一种。
6、能够和APP程序工程师合作调试算法程序。能够和测量部门协同工作调整合适的动态数据处理方法。
7、有数据库编程经验优先。
1、开发阵列气敏传感器模式识别，定性，定量的相关算法
2、建立实时的，动态的阵列传感器的模式识别，数据回归分析，为传感器的测量数据（比如电阻，电压等）建立和用户可以接受理解的信息网络（比如被测物名称，浓度等）。
3、上述过程开发完整的分析，训练，测量程序。
1、硕士以上学历，计算机、电子、自动化等相关专业
2、知道多种处理动态数据的方法。比如：去毛刺，过滤噪音，加权平均，逻辑平均，寻找峰顶值求峰强度，按斜率求峰值等。
3、熟悉机器学习的多种方法（尤其是熟悉支持向量机，主成分分析），能够用程序的方法从测量数据中提取被测结果特征（feature extraction），多元时间时间序列分析（multivariate temporal time-series analysis），多元回归分析（multivariate regression analysis）。
4、熟悉利用支持向量回归，贝叶斯网络，隐马尔可夫模型，智能神经网络，估计理论，优化和各种多元统计技术来帮助化学传感器的开发。
5、至少会一种常用于机器学习的计算机语言。比如：R，Python，Matlab等。对Java，C有一定程度的掌握，至少知道如何将算法程序转换成这其中一种。
6、能够和APP程序工程师合作调试算法程序。能够和测量部门协同工作调整合适的动态数据处理方法。
7、有数据库编程经验优先。