一汽-大众汽车
数字化技术类-数据及算法开发
数字化技术类-数据及算法开发
发布于 5 个月前普通员工/个人贡献者
长春市
中级经验
全职员工
仅现场办公
本科
数据分析与科学
原型设计
大模型
数据产品
数据开发
机器学习
深度学习
项目管理
AI 估算 · 18k–30k
岗位要求复合型AI与数据开发技能，涉及前沿大模型技术，在汽车行业数字化转型中需求旺盛，市场竞争力强。
职位详情
关于这个职位
这是一个在一汽-大众汽车的数据及算法开发岗位
你将负责深入业务场景，构建数据分析体系与应用，并参与数据产品的规划设计
同时，你需要进行传统机器学习、深度学习算法开发，以及大模型微调和Agent工作流开发，是一个融合数据工程、产品思维与前沿AI技术的复合型技术岗位
最低要求
国内大学统招本科及以上学历，或已取得教育部留学服务中心认证的“学历学位认证书”的本科及以上学历留学生
具备2年以上相关工作经验
掌握需求分析和建模方法论，能独立完成系统规划和版本迭代，胜任数据类项目管理及产品规划
熟悉Oracle/MySQL/Postgre等主流数据库，精通方法工具，能进行市场分析并产生自己的洞见，能独立设定数据类产品内容运营方法和计划
熟悉视觉表现与图形表达，可通过原型绘图完成产品模块的设计交付
熟练使用python开发，熟悉算法开发和部署工作流，熟悉常见模型训练框架、推理框架，具备基于成熟框架的二次开发经验
熟识大模型概念，掌握常见的agent框架，具备Agent工作流开发能力
工作职责
深入业务场景，提炼业务数据分析体系和数据价值驱动点，构建业务数据应用，进行数据的抽取和整合等数据开发工作
负责数据产品包含AI类产品的规划设计，确定产品功能、流程、交互以及解决方案，绘制产品原型图，编写相关文档
传统机器学习算法和深度学习算法开发，大模型微调、Agent工作流开发
AI 洞察
优缺点分析
优点
- 平台优势：在一汽-大众这样的行业巨头工作，能接触到海量真实的工业与业务数据，项目规模和影响力大
- 技术前沿性：岗位涉及大模型微调、Agent开发等AI前沿领域，有利于积累高价值、有市场竞争力的技术栈
- 复合能力培养：同时锻炼数据开发、算法工程和产品规划能力，成长为稀缺的“技术+业务+产品”复合型人才
缺点 / 挑战
- 技术复杂度高：需要同时掌握数据工程、传统AI算法和新兴的大模型技术，学习压力和持续更新要求大
- 业务理解要求深：需要深入理解汽车制造、销售或供应链等具体业务，才能有效提炼数据价值点，沟通成本可能较高
- 成果交付压力：作为核心数字化岗位，需直接对业务效果负责，在推动数据产品落地和算法应用时面临明确的绩效压力
- 适合拥有2年以上数据或算法经验，不仅技术扎实，还对业务有好奇心、具备一定产品思维，并希望在大平台挑战前沿AI应用的求职者
角色解读
- 技术专家路径：深耕算法与数据架构，可向资深算法工程师、数据科学家或AI架构师方向发展
- 技术管理路径：积累项目管理和产品规划经验后，可转向数据产品经理、技术项目经理或团队负责人
- 行业专家路径：结合汽车行业知识，成为懂业务的AI解决方案专家，在智能网联、智能制造等领域深入发展
- 深入汽车业务场景，构建数据分析体系与应用，完成数据抽取、整合等开发工作，将数据转化为业务价值
- 负责规划与设计数据及AI产品，包括功能定义、流程梳理、交互设计，并产出原型图和相关产品文档
- 进行传统机器学习、深度学习算法的开发与优化，并专注于大语言模型的微调以及智能体（Agent）工作流的构建与实现
- 扎实的数据工程与开发能力，熟悉主流数据库和数据整合流程，并能将业务需求转化为数据解决方案
- 熟练的Python编程能力，熟悉机器学习/深度学习全流程，包括模型训练、推理部署及基于成熟框架的二次开发
- 具备数据产品思维与设计能力，能进行需求分析、产品规划，并使用工具绘制产品原型，推动项目落地
- 掌握大模型（LLM）相关概念与实践，熟悉Agent开发框架，能够构建基于大模型的智能应用工作流
申请策略
- 提前了解一汽-大众在数字化转型、智能网联汽车等方面的战略和已公开的成果，在面试中展现你的关注和思考
- 准备1-2个能体现你技术能力、解决问题能力和产品思维的综合项目案例，按照STAR法则清晰阐述
- 重点突出与数据开发、机器学习/深度学习项目相关的实践经验，量化项目成果（如效率提升、准确率等）
- 详细描述参与过数据产品或AI产品从0到1规划或迭代的经历，展示需求分析、原型设计和文档撰写能力
- 若有涉及大模型（如ChatGPT、文心一言等）微调、应用开发或Agent构建的经验，务必作为核心亮点单独列出
- 若对大模型和Agent开发不熟悉，可提前学习LangChain、AutoGPT等主流框架，并尝试完成一个简单的概念验证项目
- 加强产品思维和业务理解能力，可以学习一些产品方法论，并思考如何将AI技术应用于具体的汽车行业场景
面试指南
- 对于项目类问题，采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的技术决策、解决问题的思路和量化成果
- 对于场景设计或方案类问题，先清晰定义问题和边界，然后拆解步骤（数据、模型、产品、评估），最后总结可行性与潜在价值
- 对于技术细节问题，确保回答准确，可以适当深入原理，但也要关联业务价值，体现你不是单纯的技术实现者
- 请介绍一个你过去负责的、最复杂的数据分析或算法项目，你在其中扮演了什么角色？遇到了什么挑战？如何解决的？
- 如果业务部门给你一个模糊的需求（比如‘想用数据提升销量’），你会如何开展工作，最终交付什么？
- 请谈谈你对大模型在汽车行业应用场景的理解，并设计一个简单的Agent工作流来解决某个具体问题（如智能客服）
- 你如何评估一个数据产品或AI功能是否成功？你会关注哪些指标？
- 请描述一次你使用Python和某个机器学习框架（如PyTorch/TensorFlow）解决实际问题的完整过程
职位点评
Watch Jobs