高级AI机器学习算法工程师

优缺点分析

角色解读

• 可在AI算法领域深耕，成为大模型专家或技术负责人
• 向AI架构师或项目管理方向发展，主导业务线AI方案
• 在大疆内部积累工业场景经验，未来可转型至AI产品经理或技术总监
• 负责大模型在营销、供应链等业务场景的选型、训练与调优，确保模型效果
• 处理复杂Agent场景的大模型后训练、RAG优化和工具调用优化
• 构建训练数据集和评测集，治理知识库，提升模型稳定性和业务价值
• 根据线上反馈和badcase持续迭代算法，推动AI能力落地
• 扎实的LLM/MLLM/AIGC原理知识，具备后训练、微调、RAG等完整项目经验
• 精通机器学习、统计学、数据挖掘，熟悉多种算法模型
• 熟练使用Python、SQL及主流框架如PyTorch、TensorFlow、XGBoost
• 具备复杂业务场景的数据处理、特征工程和工程化能力

申请策略

• 在简历中突出与营销、供应链等业务场景相关的项目
• 关注大疆流程IT团队的技术栈和内部AI平台，提前了解
• 突出大模型后训练、RAG、Agent调优的完整项目经历，量化模型效果提升
• 强调在多业务场景（如营销、供应链）的算法落地经验
• 列举掌握的算法框架和工具，如PyTorch、XGBoost、Spark等
• 展示数据处理、特征工程和工程化部署的能力
• 补充大模型蒸馏、量化部署等前沿技术
• 强化SQL和Spark等大数据处理技能

面试指南

• 对于项目经验类问题，使用STAR法则（情境、任务、行动、结果），突出关键技术和量化指标
• 对于技术原理类问题，先阐述基本概念，再结合自身实践说明优化思路
• 对于场景问题，强调业务理解、数据处理和工程化落地的全链路思考
• 请详细描述你做过的一个大模型后训练项目，包括数据构建、训练策略和效果评估
• 在Agent场景中，如何优化RAG和工具调用？遇到过哪些挑战？
• 请解释LLM的蒸馏原理，并说明如何应用于工业场景
• 处理不平衡数据时，你会采用哪些方法？请举例说明
• 如何在保证模型效果的同时控制推理成本？