Customer Engineer of Project Lead - Automotive

优缺点分析

角色解读

• 在半导体巨头积累深厚的汽车电子和AI平台经验，成为技术专家
• 向技术管理方向发展，带领团队负责更大型客户项目
• 跳槽至汽车OEM或Tier1担任技术负责人或架构师
• 负责高通汽车平台（IVI/ADAS/Flex）客户的技术支持与项目推进，包括培训、调试和问题解决
• 深入分析客户问题，覆盖从底层驱动到上层ML框架的软件栈，定位并推动内部团队解决
• 与全球本地/远程团队协作，管理项目进度，确保客户平台顺利开发
• 参与性能优化和系统架构评估，提供专业的技术建议
• 精通C++/Python开发，熟悉Linux环境、容器和虚拟机
• 深入了解ML软件栈和编译器概念，如LLVM IR、ONNX等模型格式
• 熟悉QNX/Linux内核驱动、设备树、驱动框架，以及启动、OTA、稳定性、性能调优
• 具备硬件知识，理解CPU/NOC、以太网、Camera AP、ISP、SerDes、MIPI CSI等

申请策略

• 在简历中量化成果，例如优化性能提升百分比、解决的复杂问题等
• 了解高通汽车产品线，在面试中展示对车载平台的热情
• 突出汽车电子或嵌入式平台开发经验，尤其是QNX/Linux内核驱动和性能调优项目
• 强调ML编译或推理优化经验，如ONNX、LLVM相关内容
• 展示客户支持或项目管理经历，体现沟通和协调能力
• 列出C++/Python项目，特别是涉及硬件加速的优化案例
• 补充高通平台或类似SoC（如NVIDIA、NXP）的开发经验
• 学习ADAS/IVI系统架构，了解Camera ISP和SerDes链路

面试指南

• 用STAR法则（情境-任务-行动-结果）描述项目经验，突出个人贡献和技术难点
• 对于技术问题，先讲原理，再结合实践案例，展示分析思路
• 对于客户沟通问题，强调聆听、明确目标、及时反馈和推动解决
• 请描述一次你如何调试一个复杂的系统级问题并最终定位根因的经历
• 你如何理解ML模型的编译和优化流程？有没有使用过ONNX或LLVM？
• 在客户支持中，如何平衡客户期望与技术可行性？
• 请谈谈你对汽车ADAS平台软硬件架构的理解
• 复习ML推理框架（TensorRT、ONNX Runtime）和编译器基础知识