TCL
AI工程师
AI工程师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Numpy
Scikit-Learn
半导体制造
异常检测
时间序列分析
机器学习
深度学习
计算机视觉
值不值得投
73综合评分
综合评分 73
核心业务AI算法岗、技术前沿且成长空间大、WLB状态未知，适合追求技术深度的求职者。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2.3万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 430 个在招
市场机会
选择面较广
深圳 · 机器学习工程 · 84 个在招
职位详情
关于这个职位
该职位主要在半导体晶圆制造场景下，利用机器学习和深度学习算法解决良率预测、缺陷分类等核心问题
你需要处理海量制造数据，进行特征工程与模型开发，并将算法集成到生产系统中实现工程化落地
最低要求
本科及以上学历，计算机科学、软件工程、自动化、电子信息、数学、统计学或相关专业
有半导体制造相关课题研究经验或实习经历者优先
精通 Python 编程语言，熟悉 NumPy, Pandas, Scikit-learn 等数据处理库
熟悉至少一种深度学习框架
具备良好的代码风格
扎实的机器学习基础，熟悉常用的算法模型，对时间序列分析、异常检测、计算机视觉（CV） 或 优化算法 有深入理解
对半导体制造流程（FAB）有基础了解，或具备强烈的学习意愿
具备优秀的问题分析与解决能力，能够从复杂数据中发现逻辑
工作职责
针对半导体晶圆制造场景，设计并开发基于机器学习/深度学习的算法模型，解决良率预测、缺陷自动分类（ADC）、虚拟量测（VM）等核心问题
处理海量的制造数据（FDC、Image、Log），进行数据清洗、特征工程，挖掘影响生产效率和产品质量的关键因子
将训练好的模型封装为服务，集成到 CIM/MES 系统中，实现算法的工程化落地，并在实际产线上进行验证和调优
追踪学术界和工业界在 AI for Manufacturing 领域的最新进展（如生成式 AI、小样本学习、时序预测等），并将其转化为实际的工程方案
与业务团队紧密合作，理解业务痛点，提供 AI 解决方案
优先资格
有半导体制造相关课题研究经验或实习经历者优先
AI 洞察
优缺点分析
优点
- 深入半导体制造核心场景，AI赋能实体经济，行业壁垒高，技术积累具有长期价值
- 接触海量真实工业数据与前沿算法（如生成式AI、小样本学习），技术视野广阔
- 算法直接落地于实际产线，能直观看到技术对生产效率和良率的提升，成就感强
- 工业场景数据往往存在噪声大、样本不平衡等问题，对数据清洗和特征工程能力要求极高
- 需要跨学科理解半导体制造工艺（FAB），业务学习曲线较陡峭
- 适合对工业AI、智能制造感兴趣，具备扎实算法基础且愿意深入理解制造业业务的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为资深AI算法专家或AI架构师，深耕AI for Manufacturing领域
- 横向可向AI产品经理或算法团队负责人转型，结合业务痛点主导AI解决方案的落地
- 针对半导体晶圆制造场景，开发机器学习与深度学习算法模型，解决良率预测、缺陷分类等核心业务问题
- 处理海量制造数据（如FDC、图像、日志），进行数据清洗与特征工程，挖掘关键影响因子
- 将算法模型封装为服务并集成到CIM/MES系统，实现工程化落地与产线调优
- 精通Python及主流数据处理库（NumPy, Pandas, Scikit-learn），熟练掌握至少一种深度学习框架
- 扎实的机器学习基础，在时间序列分析、异常检测、计算机视觉或优化算法中有深入理解
- 具备复杂数据分析与逻辑推理能力，了解或愿意深入学习半导体制造流程（FAB）
申请策略
- 在面试中展现出对制造业数字化转型的强烈意愿，以及将前沿学术技术转化为实际工程方案的思维
- 突出在时间序列分析、异常检测或计算机视觉方向的项目经验，展示解决复杂数据问题的能力
- 强调模型工程化落地经验，如将模型封装为服务并集成到业务系统中的完整流程
- 若有半导体、制造业相关课题研究或实习经历，务必在简历中重点展示
- 提前了解半导体制造基础流程（如FAB、CIM/MES系统概念），降低入职后的业务学习成本
- 关注AI for Manufacturing领域的最新论文和工业界实践，如小样本学习在缺陷检测中的应用
面试指南
- 针对算法与数据问题，采用“背景-数据挑战-解决方案-业务收益”的STAR法则进行回答
- 针对工程落地问题，强调“模型轻量化-服务化封装-系统对接-监控调优”的完整闭环思维
- 请详细介绍一个你处理过的最复杂的数据集，你是如何进行数据清洗和特征工程的？
- 在半导体制造中，如果遇到缺陷样本极度不平衡的情况，你会采用哪些算法或策略来解决？
- 如何将训练好的深度学习模型部署到CIM/MES系统中，并保证其在产线上的实时性和稳定性？
- 你对半导体晶圆制造流程（FAB）有哪些了解？你认为AI在哪些环节能发挥最大价值？
- 复习时间序列预测、异常检测及CV经典模型，并准备1-2个能体现你解决复杂问题能力的深度项目案例
- 提前查阅半导体良率预测、虚拟量测（VM）、缺陷自动分类（ADC）相关的行业背景知识
职位点评
薪资福利75
成长发展85
工作生活50
使命价值80
薪资福利
75中等
职位属于技术门槛较高的AI算法岗，在深圳地区具备较好的薪资竞争力，但JD中未明确披露具体薪资范围与额外福利。
薪资信号未披露（AI估算：1.5千–3万/月）
成长发展
85较高
岗位涉及AI for Manufacturing前沿技术，且要求追踪学术界最新进展，技术成长空间大，业务壁垒高。
技术前沿前沿/新兴技术
技术栈Python、NumPy、Pandas、Scikit-learn、深度学习、机器学习、时间序列分析、异常检测、计算机视觉、生成式AI、小样本学习
成长机会追踪学术界和工业界最新进展
业务类型profit_center
工作生活
50较低
JD中未提及任何关于工作时间、弹性办公或加班情况的信息，无法判断其工作生活平衡状态。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
将AI技术应用于半导体制造这一核心战略领域，推动智能制造升级，具有较高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
TCL 的其他在招职位
相似职位推荐
Watch Jobs