Digital Intern

优缺点分析

角色解读

• 从实习积累工业AI落地经验，未来可转向机器视觉算法工程师或智能制造专家
• 在康宁这样的跨国企业可接触完整项目流程，为校招或社招增加竞争力
• 表现优秀可获留用机会，或推荐至其他制造业AI岗位
• 开发和优化基于YOLO/CNN的玻璃缺陷检测算法，包括数据标注、模型训练、验证和调优
• 将检测结果与生产流程数据关联，开发质量分析逻辑，帮助定位产线问题
• 与自动化控制工程师协作，将算法集成到PLC系统中，完成现场联调与测试
• 扎实的Python和SQL编程能力，能够独立实现数据处理和模型开发
• 熟悉YOLO、OpenCV等机器视觉框架，有目标检测项目经验
• 逻辑思维强，能将制造工艺需求转化为算法方案，快速学习新知识

申请策略

• 申请时表达对制造业数字化转型的热情，说明自己能长期实习的优势
• 针对职位要求中的‘逻辑能力’准备案例，展示如何将工艺问题转化为算法解法
• 重点突出机器视觉项目经验（YOLO/OpenCV），最好有工业或检测相关案例
• 强调Python和SQL能力，可附上GitHub链接或个人项目展示
• 如果有PLC或自动化课程/竞赛经历，务必列出
• 提前熟悉YOLOv8或最新版本，掌握模型部署方法（如ONNX）
• 了解PLC基础知识和工业通讯协议（Modbus, OPC UA）
• 强化数据分析能力，学习Pandas和Matplotlib用于过程分析

面试指南

• 对于项目介绍题，按STAR法则：场景-任务-行动-结果，突出技术细节和量化成果
• 对于系统集成题，从数据流和技术架构角度回答，强调跨团队协作和异常处理
• 对于优化题，分环节回答：模型剪枝/量化、硬件加速、异步处理等
• 请介绍一个你使用YOLO进行目标检测的项目，包括数据准备、模型选择和优化过程
• 如何将产线上的缺陷图片与PLC信号结合起来进行根因分析？
• 如果你的模型在产线上检测速度不达标，你会从哪些方面优化？
• 你是否有与硬件或自动化系统交互的经验？如何确保算法与PLC的接口稳定？
• 实习期长达6个月，你如何平衡学业和工作？