AI算法与软件

优缺点分析

角色解读

• 可从算法工程师向资深算法专家或AI技术负责人方向发展，深入智能制造预测优化领域
• 也可横向转向AI产品经理或数据科学管理岗，依托集团制造业场景积累深厚行业Know-how
• 负责AI算法在智能制造场景中的需求分析、功能设计与落地，将AI项目从概念推进到产品
• 设计多目标优化模型解决成本与效率的权衡问题，并基于Transformer、DeepAR、TFT等时序大模型构建需求与时序预测模型
• 需要掌握多目标优化模型的建模与开发方法，能处理成本、效率等多目标协同优化问题
• 熟悉Transformer系列、DeepAR、TFT等时序大模型，并能综合运用机器学习、深度学习与统计建模构建高精度预测模型
• 同时需具备一定的AI产品化思维与跨部门协作能力

申请策略

• 投递前深入了解徐工集团及汉星智造的智能制造业务方向，准备能贴合工业场景的算法案例
• 关注公司对AI落地产品的定位，在面试中体现业务理解与工程化意识
• 重点突出时序预测相关项目经验，如使用Transformer、DeepAR、TFT等模型的实战案例
• 展示多目标优化建模经历，说明如何在成本与效率间做权衡优化
• 量化呈现模型效果（如预测精度提升、业务收益），并体现跨部门协作与AI产品化能力
• 系统梳理时序大模型（Transformer、DeepAR、TFT）的原理与实现细节，准备可复现的项目代码
• 补充多目标优化的常用方法与工具（如帕累托优化、贝叶斯优化）
• 了解智能制造、需求预测、供应链排产等业务背景知识

面试指南

• 采用STAR结构（情境-任务-行动-结果）讲述项目，突出模型选择依据、数据处理与效果量化
• 讨论优化问题时先明确目标与约束，再说明所用算法及为何合适，最后给出结果对比
• 产品落地类问题体现工程化思维与跨团队协作经验
• 请介绍一个你使用时序大模型（如Transformer、DeepAR或TFT）做预测的项目，模型结构如何设计、效果如何？
• 在多目标优化问题中，你如何处理成本与效率的权衡？用过哪些优化方法？
• 时序预测中的不确定性量化你会怎么做？
• 如何将AI算法从概念推进到产品落地？遇到过哪些工程化挑战？
• 你如何理解AI在智能制造中的应用潜力？