AI算法与软件

优缺点分析

角色解读

• 在工业 AI 与智能装备方向深耕，逐步成长为算法工程师、算法专家
• 可向大模型应用、无人系统感知决策等热门方向拓展
• 积累工业场景落地经验后，有机会转向 AI 项目负责人或算法团队管理
• 负责机器学习、深度学习及大模型应用算法的研发与优化，支撑智能场景识别、多知识库问答、智能推荐寻优等 AI 场景落地
• 参与起重机智能化、无人化系统的感知与决策算法设计开发，让 AI 能力真正进入工业产品
• 开发并迭代研发类 AI 工具，推动 AI 嵌入产品研发全流程，同时参与数据治理、知识图谱构建与模型私有化部署运维
• 扎实的机器学习与深度学习理论基础，熟悉 PyTorch、TensorFlow 等主流框架
• 过硬的 Python 编程与工程实现能力，能将算法从研发推进到落地
• 对大模型应用、知识图谱与数据治理有一定理解或实践经验，能解决真实场景问题

申请策略

• 了解徐工在起重机智能化、无人化方向的业务布局，面试时结合工业场景谈 AI 落地
• 在简历与自我介绍中强调对工业 + AI 场景的兴趣与长期投入意愿
• 突出机器学习、深度学习项目经历，尤其是用 PyTorch/TensorFlow 完成的完整算法项目
• 展示大模型应用（如 RAG、微调、私有化部署）或知识图谱相关的实践成果
• 列出算法竞赛获奖或相关实习经历，用数据和结果说明算法效果的提升
• 补充大模型应用与私有化部署的实操经验，如开源模型微调、向量检索、知识库问答
• 加强工程化能力，熟悉模型部署、推理优化、数据治理等落地环节

面试指南

• 用 STAR 法则描述项目：背景-任务-行动-结果，突出算法选择、优化方法和量化效果
• 技术问题先讲原理再结合场景，说明为什么这样设计，以及遇到问题如何解决
• 对开放性问题展示结构化思考：拆解场景需求 → 分析技术方案 → 权衡利弊
• 请介绍一个你用机器学习或深度学习完成的完整项目，你是如何设计与优化的？
• 你如何理解大模型在工业场景（如知识库问答、智能推荐）中的落地难点？
• 谈谈你对起重机智能化、无人化感知与决策算法的思路
• 在数据治理和知识图谱构建方面你有什么经验或理解？
• 如何把一个算法模型从研发推进到生产环境的私有化部署？