海尔
人工智能工程师
人工智能工程师
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人工智能
人工智能
Chatbi
Pytorch
Tensorflow
大语言模型
工业算法
数据分析
机器学习
模型微调
深度学习
值不值得投
73综合评分
综合评分 73
前沿大模型与工业AI落地岗位，技术成长空间大，平台资源丰厚，WLB情况未明。
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
2.2万
比人工智能中位数高
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 470 个在招
市场机会
选择适中
青岛 · 人工智能 · 15 个在招
职位详情
关于这个职位
该职位主要负责大语言模型在工业场景中的微调与应用，同时探索ChatBI技术以提升工业数据分析效率
你还将参与工业相关算法的开发与部署，解决实际生产中的复杂问题
适合希望在AI赋能实体经济和智能制造领域深耕的技术人才
最低要求
教育背景：计算机科学、人工智能、数据科学、工业工程、数学或相关专业本科及以上学历
专业技能-大模型微调：精通大语言模型（如GPT、DeepSeek等）的微调技术，具备丰富的实践经验，能够设计和实施高效的微调策略
熟练掌握自然语言处理（NLP）技术，包括文本预处理、嵌入表示、序列标注等，能够针对工业场景优化模型性能
熟练使用深度学习框架（如PyTorch、TensorFlow等）进行模型训练和优化，能够处理大规模数据集
专业技能-ChatBI技术：深入了解ChatBI技术原理和应用，熟悉其在数据分析和决策支持中的优势与挑战
具备交互式数据分析工具的设计和开发能力，能够结合工业需求实现高效的数据可视化和交互功能
熟练掌握数据分析工具（如Power BI、Tableau等）的使用和集成，能够与ChatBI技术相结合，提升数据价值
专业技能-工业算法开发：熟练掌握机器学习和深度学习算法，包括回归、分类、聚类、强化学习等，能够针对工业生产中的复杂问题进行建模和优化
熟悉工业数据的特点和处理方法，能够应用统计分析、特征工程等技术提升数据质量
具备算法模型部署和维护的经验，能够确保模型在生产环境中的稳定运行
工作经验：至少2年以上相关工作经验，其中至少1年专注于大模型微调、ChatBI技术应用或工业算法开发领域
有成功的大模型微调项目经验，能够提供相关案例和成果展示
有工业数据分析或工业生产流程优化的实际项目经验，熟悉工业场景的需求和痛点
工作职责
负责大语言模型（如GPT、deepseek等）的微调工作，以适应特定的工业场景和业务需求
设计和实施微调策略，优化模型性能，确保模型在特定任务上的准确性和效率
与数据团队合作，准备和清洗用于微调的训练数据
持续跟踪大模型技术的最新进展，并将其应用于实际项目中
深入调研ChatBI技术，了解其在工业数据分析和决策支持中的应用前景
设计并实现基于ChatBI的交互式数据分析工具，提升用户对数据的访问和分析效率
与业务团队合作，将ChatBI技术与工业生产流程相结合，提供智能化的决策支持
开发和优化工业生产中的回归、分类和优化等模型，解决实际生产中的复杂问题
应用机器学习和深度学习技术，提升工业数据的预测精度和模型的泛化能力
与工程团队合作，将算法模型部署到生产环境中，并确保其稳定运行
优先资格
硕士学位优先，特别是有大模型、机器学习、深度学习或工业数据分析相关研究方向的背景
AI 洞察
优缺点分析
优点
- 接触大模型微调与ChatBI等前沿AI技术，技术栈先进且具备极高的行业应用价值
- 依托大型制造企业的丰富工业场景，能够将AI技术真正落地于实体经济，积累稀缺的工业AI实战经验
- 平台稳定性高，能够提供丰富的数据资源和工程化落地支持
- 工业场景数据往往存在噪声大、标注难等问题，数据清洗与特征工程的工作量及难度较大
- 适合具备扎实算法基础，且对AI赋能智能制造和实体经济有强烈兴趣，愿意深入理解工业业务逻辑的技术人才
缺点 / 挑战
- 大模型在垂直工业场景的落地仍处探索期，可能面临模型幻觉、推理成本及业务方预期管理等多重挑战
角色解读
- 从单一算法开发向大模型与工业场景深度融合的AI架构师方向发展
- 积累工业智能化落地经验后，可转型为AI技术专家或智能制造领域的技术管理岗
- 负责大语言模型在工业场景中的微调与优化，确保模型在特定任务上的准确性与效率
- 调研并落地ChatBI技术，开发交互式数据分析工具，为工业生产提供智能决策支持
- 开发并部署工业相关的机器学习与深度学习算法，解决实际生产中的回归、分类和优化问题
- 精通大语言模型微调技术及NLP核心技术，熟练使用PyTorch或TensorFlow等深度学习框架
- 掌握ChatBI技术原理，具备交互式数据分析工具的设计开发能力及Power BI等工具的集成经验
- 熟练掌握各类机器学习与深度学习算法，熟悉工业数据处理及模型在生产环境中的部署与维护
申请策略
- 在面试前深入了解海尔在智能制造和工业互联网方面的布局，将个人技术栈与公司战略方向相结合
- 重点突出大语言模型微调的实战经验，包括具体的微调策略、数据准备及模型性能提升的量化成果
- 展示在ChatBI或交互式数据分析工具方面的项目经历，强调如何提升数据分析效率
- 详细列举工业算法开发经验，说明如何解决实际生产中的复杂问题及模型部署上线的完整流程
- 深入学习大模型在垂直领域的微调技术（如LoRA、P-Tuning等）及RAG（检索增强生成）架构
- 补充工业领域知识，了解智能制造、工业互联网的基本概念与常见业务痛点
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化描述项目经验，重点突出遇到的技术难点及你的解决思路
- 在回答模型部署与优化问题时，强调工程化思维，涵盖监控、日志、回滚机制及持续迭代等闭环流程
- 请分享一个你主导的大语言模型微调项目，你是如何解决特定工业场景下的数据稀缺或噪声问题的？
- 在ChatBI技术的应用中，如何平衡大模型的生成能力与工业数据分析对准确性的严苛要求？
- 当算法模型在生产环境中出现性能衰减或异常时，你的排查和解决思路是什么？
- 请描述你如何将一个机器学习模型从实验环境成功部署到工业生产环境中，并保证其稳定运行？
- 复习大模型微调的核心算法原理及最新进展，准备1-2个具有代表性的工业算法落地案例
- 了解海尔的工业互联网平台及核心业务，思考AI技术如何在其实际业务中创造增量价值
职位点评
薪资福利75
成长发展85
工作生活50
使命价值75
薪资福利
75中等
依托大型企业的薪酬体系，薪资在青岛当地具备较强竞争力，且平台稳定性较高，能较好满足物质与稳定性需求。
薪资信号未披露（AI估算：1.5千–2.8万/月）
成长发展
85较高
岗位涉及大模型微调、ChatBI等前沿技术，且依托丰富的工业场景进行落地，技术成长空间与业务深度兼具。
技术前沿前沿/新兴技术
技术栈大语言模型、模型微调、ChatBI、NLP、PyTorch、TensorFlow、机器学习、深度学习
业务类型ambiguous
工作生活
50较低
JD中未明确提及工作模式、弹性办公或加班情况，生活化动机满足程度无法从现有信息中准确评估。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
将前沿AI技术应用于工业生产与决策支持，赋能实体经济与智能制造，具备较强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
Watch Jobs