低压智能电器研究院 - 算法工程师

优缺点分析

角色解读

• 向高级算法专家发展，深耕工业AI与大模型融合领域，成为垂直行业的技术带头人
• 转向AI产品架构师角色，主导从算法研发到商业化落地的全链路设计
• 拓展至智能硬件与边缘计算方向，实现端侧AI模型的部署与优化
• 负责低压电器系统的AI算法研发，具体包括设备故障预警、剩余寿命预测、电力负荷与发电预测等核心模块的开发
• 利用大语言模型（LLM）、RAG和AI Agent技术构建智能体，解决能源物联网场景下的复杂决策问题
• 将机器学习/深度学习模型进行工程化落地，确保算法在实际硬件系统中的稳定运行
• 精通Python编程，熟练掌握PyTorch/TensorFlow等主流深度学习框架
• 扎实的机器学习理论基础，特别是时间序列分析、异常检测和预测性维护算法
• 熟悉大模型应用开发技术栈，包括LLM微调、RAG架构、Function Calling及Agent构建
• 了解能源行业背景，熟悉物联网数据采集与处理流程

申请策略

• 关注正泰集团在智慧能源、智能电网方面的最新动态，体现对行业的理解
• 准备1-2个完整的端到端算法项目案例，重点阐述从数据清洗到模型上线的全过程
• 突出展示在时间序列预测、异常检测方面的具体项目成果及量化指标
• 详细列举使用LLM/RAG/Agent解决实际问题的案例，强调工程化落地能力
• 强调Python及主流AI框架的熟练程度，以及处理大规模工业数据的经验
• 深入学习大模型在垂直领域的微调（Fine-tuning）与提示工程技巧
• 补充能源电力系统基础知识，理解负荷预测与发电预测的业务逻辑
• 提升算法部署能力，了解模型压缩、边缘计算等工程化技术

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型理由和业务价值
• 对于算法原理类问题，先简述核心概念，再结合具体场景说明应用方式及优缺点
• 针对工程落地问题，强调性能优化、稳定性保障及监控机制的设计思路
• 请详细介绍一个你使用LLM或Agent解决复杂业务问题的项目经历
• 在时间序列预测中，如何处理缺失数据和异常值？有哪些常用的预处理方法？
• 如何评估故障预警模型的准确性？如果误报率很高，你会如何优化？
• 请解释一下RAG的工作原理，以及在工业场景中可能遇到的挑战
• 如何将训练好的深度学习模型部署到资源受限的边缘设备上？