大模型算法工程师（工业时序-金种子）

优缺点分析

角色解读

• 依托国家级博士后工作站及产学研合作平台，可深度参与国家重大科研项目，积累顶尖行业经验
• 未来可向工业AI算法专家、技术路线规划负责人或科研团队技术Leader方向发展
• 负责工业时序大模型的算法体系设计与研发，包括模型训练、调优、工程部署与全链路性能评测
• 紧跟全球工业AI趋势，进行技术前瞻研判与路线规划，搭建面向工业场景的时序AI算法底座
• 协同团队并联合高校等外部研究团体，开展国家级战略新兴及未来项目的研究攻关
• 扎实的AI与工业智能理论基础，熟悉工业时序建模底层技术栈及核心算法
• 熟练掌握时序深度学习框架，以及时序数据预处理与特征工程技术
• 具备出色的技术规划、沟通协调与文档撰写能力，能独立分析并解决复杂问题

申请策略

• 提前了解中国移动在工业互联网、智能制造领域的布局与最新科研成果，在面试中展现对公司业务方向的理解
• 重点突出在工业时序建模、深度学习框架应用及特征工程方面的项目经验或科研成果
• 详细列出发表的国际顶会论文、专利、国际竞赛获奖或相关科研项目经历
• 展现技术规划能力与跨团队或跨机构协同合作的成功案例
• 深入了解工业时序大模型的最新前沿论文，掌握主流时序深度学习框架及微调技术
• 补充工业场景落地经验，了解模型工程部署、性能评测及全链路优化的最佳实践

面试指南

• 采用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出技术深度与业务价值
• 对于技术规划类问题，采用“现状分析-痛点识别-技术选型-演进路线”的逻辑框架进行解答
• 请详细介绍你在工业时序建模或时序大模型方面的一个核心项目，遇到了哪些技术难点及如何解决？
• 针对工业场景的时序数据预处理和特征工程，你通常采用哪些方法？如何评估特征的有效性？
• 如果要将一个时序大模型从实验室环境部署到工业现场，你会如何设计工程部署与性能评测方案？
• 你如何理解工业AI技术发展趋势？对于未来工业时序大模型的路线规划有什么看法？
• 复习并准备时序深度学习、大模型微调及工业场景落地的相关技术细节
• 了解中国移动上海产业研究院在工业智能、立体交通等领域的最新科研成果与业务案例