康宁
Adv. Controls Intern
Adv. Controls Intern
发布于 大约 8 小时前实习/见习
武汉市
无经验要求
实习生
仅现场办公
硕士
实习与临时职位
PyTorch
TensorFlow
Machine Learning
MATLAB/Simulink
Advanced Control
AI 估算 · 4k–6k
国际大厂实习，武汉地区技术岗位，薪资水平中等偏上，月薪4000-6000元合理。
职位详情
关于这个职位
这是一个面向博士（优先）或硕士在读学生的先进控制实习岗位，你将参与康宁显示技术的玻璃制造工艺优化，运用模型预测控制、机器学习等前沿技术，与跨职能团队协作，开发数据驱动和物理模型结合的解决方案，适合对智能制造和工业控制有浓厚兴趣的同学
最低要求
化学、机械、软件、计算机科学或电气工程博士（优先）或硕士
直接的数据分析、AI/ML、先进控制技术和/或第一性原理/物理建模经验
设计开发过程控制解决方案（尤其是基于模型的控制技术），实现控制解决方案的软硬件平台
熟悉优化理论和控制技术，如最优控制、鲁棒控制、自适应控制、模型预测控制、非线性方法和传统PID控制
开发数据驱动（系统辨识）/物理模型（有限元模型、质量和能量平衡等）经验
广泛的ML技术/算法知识（如神经网络、随机森林、强化学习等）及其数学基础
精通Matlab/Simulink，熟悉Python、C/C++、.NET
工作职责
开发非线性多变量系统的物理模型，并利用先进的基于模型的控制设计技术将模型物理学嵌入到控制算法中
参与数字平台开发，包括AI知识库（RAG）搭建、前端（VUE）和后端（Python/FastAPI）功能实现
利用机器学习方法开发过程监控和故障检测工具，以及分类/回归模型，解决制造问题（如过程监控、质量分析和预测性维护）
在多学科环境中与工艺专家、数据科学家、控制工程师和建模人员协作
记录技术发现并酌情支持发明披露活动
优先资格
多变量统计工具背景
实时控制系统、数据采集和数据分析经验
使用TensorFlow/Keras、PyTorch、Scikit-Learn等机器学习包的经验
在制造环境中工作的能力
AI 洞察
优缺点分析
优点
- 全球顶级材料科学公司，技术积累深厚，学习资源丰富
- 接触先进控制与AI的工业应用，技能组合前沿
- 导师制培养，有机会参与核心项目，积累实战经验
- 显示技术行业稳定，职业发展确定性高
- 对理论要求高，需同时掌握控制和ML，学习曲线陡峭
- 实习周期可能有限，需快速产出成果
- 工作内容偏向研发，可能需频繁调试和迭代
缺点 / 挑战
- 适合控制或机器学习方向的研究生，热爱工业场景，希望将理论应用于实际生产，且能适应高强度技术挑战的求职者
角色解读
- 实习表现优秀可转正为正式工程师，深入智能制造领域
- 向控制专家或数据科学家方向发展，积累工业场景经验
- 未来可晋升为技术主管或项目负责人，领导跨部门项目
- 开发玻璃制造过程的物理模型和控制算法，提升工艺稳定性和产品质量
- 搭建AI知识库和前后端功能，参与数字化平台建设
- 应用机器学习进行过程监控、故障检测和质量预测
- 与跨学科团队合作，将技术方案落地到实际生产线
- 扎实的控制理论基础，熟悉MPC、PID等先进控制方法
- 精通Python或Matlab，能实现数据驱动和物理建模
- 机器学习算法应用能力，包括神经网络和强化学习
- 良好的沟通和协作能力，能与全球团队高效配合
申请策略
- 在简历中直接体现对Corning业务的理解，如显示玻璃制造
- 提前学习公司背景，面试时展现对工业自动化的热情
- 突出控制理论项目，如MPC或PID实现的课程或科研经历
- 展示机器学习建模案例，特别是工业数据相关项目
- 强调编程能力，尤其是Python和Matlab的熟练度
- 提及跨团队合作或国际沟通经验，体现软技能
- 复习MPC、强化学习等先进控制算法，并动手实现小Demo
- 熟悉TensorFlow或PyTorch，完成一个回归/分类模型项目
面试指南
- STAR法则：描述情境、任务、行动和结果
- 从原理出发，结合实际应用，展示深度理解
- 准备一个完整的项目案例，涵盖问题定义、方法、结果
- 请解释模型预测控制（MPC）的基本原理及其与传统PID控制的区别
- 你过去使用过哪些机器学习模型？如何评估其性能？
- 描述一个你从中解决优化问题的项目，你用了什么方法？
- 如何在物理模型和数据驱动模型之间做选择？举例说明
- 你如何与不同背景的团队成员协作？分享一个例子
职位点评
68
综合评分
前沿控制与AI实习，技术成长极佳，但现场办公，薪资中等。
更适合这类人
适合追求技术前沿和职业成长的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活50
使命价值70
薪资福利
60中等
实习薪资处于行业中等水平，但康宁作为大公司，福利完善，对实习生的保障较好。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
90较高
该岗位提供前沿的控制和AI技术接触机会，有导师和跨团队协作，成长空间极大。
技术前沿前沿/新兴技术
技术栈MPC、Model Predictive Control、Machine Learning、Neural Networks、Reinforcement Learning、Python、TensorFlow、PyTorch
业务类型profit_center
工作生活
50较低
仅现场办公，地点在武汉，无远程灵活度，但作为实习，工作强度可能适中。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
康宁在材料科学领域有重要影响力，显示技术推动现代生活，但实习生贡献相对有限。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs