数据与人工智能中心中国研发部 工业AI与大模型实习生（面向在校学生/无转正）

优缺点分析

角色解读

• 可向工业AI算法工程师或数据科学家方向发展
• 积累Kaggle竞赛经验，提升建模实战能力，为进入大厂或深造打下基础
• 若表现优异，可参与更大规模工业项目，深入大模型在工业领域的应用
• 使用时间序列预测模型参加Kaggle等竞赛，处理天气、能源、电力数据
• 系统评测模型预测能力，通过实验结果总结问题并优化
• 负责相关的算法开发与数据处理工作
• 精通时序分析和机器学习理论，熟练使用Python、PyTorch
• 掌握Linux命令行、Git、Docker等开发工具
• 擅长时序数据的清洗、分类、特征工程

申请策略

• 申请时表达对工业AI场景的理解和兴趣，体现不排斥传统方法
• 确认实习时间和出勤安排，确保满足要求
• 突出时间序列相关项目经验，包括数据清洗和建模过程
• 展示Python、PyTorch编程能力，附上GitHub或代码样本
• 若有Kaggle或其他竞赛经历，详细说明排名和方案
• 熟悉Kaggle竞赛流程，提前练习时间序列预测比赛
• 巩固PyTorch和Docker的使用，确保Linux操作熟练

面试指南

• STAR法则：情境、任务、行动、结果，清晰描述项目细节
• 时序数据预处理重点关注季节性、趋势和噪声处理
• 体现迭代优化思维：从基线模型出发，分析误差，逐步改进
• 请介绍一个你做过的时间序列预测项目，包括数据特点、模型选择和结果评估
• 如何处理时序数据中的缺失值和异常值？
• 谈谈你对Transformer在时序预测中应用的理解
• 为什么选择西门子，对工业AI有什么认识？
• 如果Kaggle比赛结果不理想，你会如何分析并改进？