检测技术研发助理工程师（AI算法、机器学习方向）

优缺点分析

角色解读

• 可向高级AI算法工程师、AI架构师方向发展，或在传统制造业数字化转型中成为技术专家
• 负责将AI算法、LLM和图像处理技术应用到工业生产和科研场景中，解决实际问题
• 精通Python/Java编程，熟悉Linux环境
• 掌握机器学习全流程（数据预处理、训练、部署）
• 具备图像处理和LLM应用开发能力

申请策略

• 了解华友钴业的主营业务（锂电材料、铜钴镍等），在面试中体现对工业场景的理解
• 突出硕士期间的科研项目，特别是机器学习与工业/科学问题结合的案例
• 展示全栈AI能力（从数据到部署）
• 加强大语言模型在垂直领域的应用知识
• 提升工程化部署能力（如Docker, K8s）
• 熟悉工业数据采集标准

面试指南

• 使用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、遇到的挑战及解决方案、最终的业务价值
• 请介绍一个你参与的机器学习项目，你是如何解决实际问题的？
• 如何处理工业场景下的数据噪声和不平衡问题？
• 大语言模型在工业优化中的应用场景有哪些？
• 如何保证AI模型在生产环境中的稳定性和可维护性？
• 复习机器学习基础算法及深度学习框架
• 准备1-2个完整的端到端AI项目案例
• 了解工业物联网基础知识