Data Scientist-Advanced Analytics

优缺点分析

角色解读

• 在技术路径上，你可以从大模型应用专家，成长为能够主导前沿技术探索（如智能体、长上下文优化）和制定技术战略的领军人物
• 在职业发展上，有机会从个人贡献者转向技术管理或架构师角色，负责更复杂的技术方案和团队
• 依托IBM的平台，你将接触到全球顶尖的制造业客户和项目，积累深厚的行业知识与解决方案经验
• 你将负责为制造业客户构建和优化基于大模型的供应链智能解决方案，核心是开发高性能的RAG系统
• 你需要设计并实施模型微调、压缩和推理加速策略，以提升系统在垂直领域的性能并实现工业级部署
• 此外，你还需要探索领域知识增强、多模态融合等前沿技术，并推动团队的技术迭代与升级
• 核心技能包括精通大模型全链路优化，从数据清洗、提示工程到参数高效微调与评估
• 必须具备使用PyTorch/TensorFlow进行分布式训练和RAG系统开发（熟悉LangChain/LlamaIndex）的实战经验
• 此外，出色的沟通能力和项目领导力也是确保技术研发与高质量交付的关键

申请策略

• 申请前，建议深入了解IBM在制造业和供应链领域的AI战略及成功案例，在面试中展现你对该业务方向的理解和兴趣
• 仔细阅读职位描述中关于团队协作和驱动技术升级的要求，准备能体现你领导力和创新精神的实例
• 重点突出你主导或深度参与的NLP/大模型项目，特别是RAG系统的架构设计、性能优化和实际落地效果
• 详细描述你在模型全链路优化（数据、提示、微调、评估）中的具体工作和技术选型
• 用数据和成果量化你在分布式训练、模型性能提升或项目交付方面的贡献
• 如果对制造业或供应链业务不熟悉，可以提前了解相关行业知识和痛点，思考AI技术的结合点
• 深入研读最新的RAG优化、模型压缩（如量化、剪枝）和智能体相关论文或实践案例
• 加强在复杂项目中技术方案宣讲和团队协作沟通能力的总结与提炼

面试指南

• 回答技术问题时，采用“情境-任务-行动-结果”的结构，清晰阐述项目背景、你的角色、采取的具体技术方案以及可量化的成果
• 在回答行为或场景题时，重点展示你的分析过程、决策依据以及如何平衡技术、业务和团队因素
• 始终将你的经验和能力与职位要求（如领导力、技术创新、业务落地）紧密联系起来
• 请详细介绍一个你主导或深度参与的RAG项目，你遇到了哪些挑战，是如何解决的？
• 针对一个垂直领域（例如制造业的某个环节），你会如何设计模型微调策略（数据、方法选择）来提升效果？
• 在模型推理加速或压缩方面，你有哪些实践经验？请谈谈具体的技术选型和效果
• 当团队在技术选型上出现分歧时，你通常如何处理并推动决策？
• 你如何跟踪和学习AI领域的最新趋势（如智能体）？请举例说明你是如何将新知识应用到项目中的