舍弗勒
暑期实习生_数字化Intern(南京)
暑期实习生_数字化Intern(南京)
发布于 大约 17 小时前实习/见习
南京市
无经验要求
全职员工
仅现场办公
本科
实习与临时职位
人工智能
机器学习
PyTorch
SQL
计算机视觉
TensorFlow
精益生产
大模型(Llm)
AI 估算 · 3k–6k
实习生薪资通常较低，考虑到舍弗勒为外企且南京地区，月薪约3000-6000元，作为技术实习有一定竞争力。
职位详情
关于这个职位
这是舍弗勒南京工厂的数字化暑期实习生职位，你将深入制造业一线，运用AI技术（如大模型、机器学习、计算机视觉）解决生产、物流、质量等实际业务问题
你将参与从AI应用场景挖掘到技术落地的全过程，与精益生产团队协作，推动数据驱动的优化和创新
适合对AI+制造感兴趣的同学
最低要求
本科及以上学历，人工智能、数据科学或相关专业
熟悉主流AI技术方向中的至少一项： 机器学习 / 深度学习/大模型（LLM，如GPT类、企业知识库问答等）/计算机视觉（如质量检测、图像识别）
熟练使用Python，掌握常用AI框架（如PyTorch / TensorFlow等）
具备数据处理与分析能力（SQL、Pandas等）
对制造业业务（生产、供应链、物流、质量）有基本理解
具备较强的业务理解与问题拆解能力，良好的沟通能力，主动性强，结果导向
工作职责
AI**应用场景挖掘与设计：
结合生产、物流、质量、设备等业务场景，识别AI可应用的关键痛点
设计AI驱动的解决方案（如预测、优化、自动决策等）
AI**技术落地实施：
将大模型（LLM）、机器学习、计算机视觉等技术与现有系统（MES、WMS、ERP等）结合，推动AI模型从PoC到规模化应用
数据驱动优化：** 构建数据分析与建模方案，支持精益运营（降本、提效、降库存）
设计数据指标体系，实现业务可视化与预测能力
AI+**精益融合创新： 将AI能力与精益生产方法（如VSM、OEE优化、Six Sigma等）结合，持续探索智能排产、需求预测、质量预警等创新应用
内部赋能与推广：** 向业务团队推广AI认知（如AI工具使用、数据价值理解），搭建AI应用方法论与最佳实践
优先资格
有模型部署或工程化经验者优先（API化、系统集成等）
对精益生产理念有认知者优先
有实际项目交付经验优先
AI 洞察
优缺点分析
优点
- 知名外企，完善的实习生培养体系，能接触到真实工业场景，技术落地经验含金量高
- AI与制造业结合是行业趋势，积累的经验在未来求职中极具差异化优势
- 团队氛围积极，注重创新和实践，有机会独立负责小型项目
- 需要快速学习制造业业务知识，可能面临跨领域沟通障碍
- 制造业现场环境可能不如互联网公司舒适，需要适应工厂工作节奏
- 适合对AI应用落地有热情，愿意深入制造业一线，动手能力强且善于沟通的计算机或AI专业在校生
缺点 / 挑战
- 实习周期较短（暑期），需要高效将AI方案从0到1落地，时间压力较大
角色解读
- 在大型外企实习中积累AI+工业的实战经验，为日后求职智能制造、工业4.0等领域增加竞争力
- 表现优异者可获得转正机会，进入舍弗勒数字化团队，从实习生成长为初级AI工程师
- 未来可向AI解决方案架构师、数据科学家或精益数字化顾问方向发展，兼具技术与行业知识
- 深入制造业现场，与生产、物流、质量团队沟通，挖掘AI可解决的业务痛点，设计智能化解决方案
- 将大模型、机器学习、计算机视觉等技术集成到现有MES、WMS、ERP等系统，推动AI模型从概念验证到实际应用
- 进行数据分析和建模，优化生产流程，实现降本增效，并建立数据指标体系支持业务决策
- 结合精益生产方法，探索智能排产、质量预警等创新应用，并推广AI工具与理念给业务团队
- 扎实的AI理论基础，至少熟悉机器学习、深度学习、大模型或计算机视觉中的一个方向
- 熟练使用Python，掌握PyTorch或TensorFlow等主流框架，具备数据处理能力（SQL、Pandas）
- 对制造业业务流程有基本理解，熟悉精益生产理念者更佳
- 良好的业务洞察力和问题拆解能力，能够将技术方案转化为业务价值，沟通主动性强
申请策略
- 面试时准备一个完整的AI+业务的项目案例，展示从问题定义到方案落地的思路
- 了解舍弗勒的业务和数字化战略，在面试中展示对公司的兴趣以及如何贡献价值
- 突出AI相关项目经验，特别是涉及模型部署、系统集成或与业务结合的案例
- 强调Python、PyTorch/TensorFlow、SQL等技能，并展示数据处理和分析能力
- 如果有工业背景或精益生产相关经历，一定要重点提及，体现对制造业的理解
- 提前学习制造业基础知识，如MES、WMS、ERP系统功能，了解精益生产核心概念
- 练习小项目：尝试将LLM应用到文档问答或知识库，或将计算机视觉用于简单质量检测
面试指南
- 对于项目问题，采用STAR法则（情境、任务、行动、结果），重点突出你的技术贡献和业务影响
- 对于业务场景题，先澄清需求，再拆解问题，最后提出具体技术方案，并考虑可行性
- 请分享一个你使用机器学习或深度学习解决实际问题的项目
- 你如何将大模型应用到制造业场景？请举例说明
- 你如何理解精益生产？AI如何帮助优化生产流程？
- Python中数据处理常用的库有哪些？你如何处理缺失值或异常值？
- 如果业务部门提出一个模糊的“降低库存”需求，你会如何拆解并设计AI方案？
- 复习机器学习、深度学习基础概念，准备一个端到端的项目案例
匹配度报告
59
综合匹配度
知名外企数字化实习，前沿AI技术+制造业落地，成长空间大，但薪资低且工厂环境。
适合人群
适合追求技术成长和项目经验，不太在意短期薪资和福利的实习生。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利30
成长发展85
工作生活50
使命价值70
薪资福利匹配
30较低
实习生薪资较低，且福利未在JD中提及，补偿性动机满足程度有限。
薪资信号未披露（AI估算：3K-6K/月）
成长发展匹配
85较高
职位涉及前沿AI技术落地，有导师指导，成长机会多，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、大模型(LLM)、计算机视觉、Python、PyTorch、TensorFlow、SQL、Pandas
成长机会出色的发展机会
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性工作或WLB信息，可能面临工厂环境，生活化动机满足一般。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值匹配
70中等
制造业数字化有社会价值，但JD未强调使命，意义感动机中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs