数据应用部-算法工程师

优缺点分析

角色解读

• 技术深度方向：从算法工程师成长为领域技术专家，深耕矿业AI或大模型应用
• 管理方向：可晋升为团队负责人或技术Leader，带领项目团队
• 行业跨界方向：积累传统行业AI落地经验，未来可转型至其他实体产业AI岗位
• 将大模型集成到矿业、地质等业务场景，开发Agent应用解决实际问题
• 针对特定数据集进行模型微调，提升模型在垂直任务上的效果
• 跟踪前沿技术，探索将行业专家知识融入大模型训练与推理
• 编写技术文档、申请专利或发表论文，与团队分享经验
• 扎实的编程能力，熟练掌握Python等语言及数据结构算法
• 熟悉主流机器学习框架（如PyTorch、TensorFlow）及深度学习原理
• 掌握Prompt工程、RAG、知识蒸馏等大模型优化技术
• 了解Agent框架与MCP原理，具备多机多卡训练经验更佳

申请策略

• 央企招聘流程较正式，简历需规范，突出学历和专业匹配度
• 面试时准备一个完整的AI应用案例，从问题定义到落地效果
• 突出大模型相关项目经验，特别是Agent、RAG、微调等实践
• 展示编程能力和算法基础，可附上GitHub或技术博客
• 强调与矿业/地质相关的AI项目或研究，体现行业适配度
• 列出相关论文、专利或技术文档成果
• 系统学习Prompt工程、知识蒸馏、LoRA微调等大模型优化技术
• 了解Agent框架（如LangChain、AutoGPT）和MCP原理

面试指南

• 项目类问题：背景->挑战->方案->效果->个人贡献
• 技术类问题：原理->应用场景->优缺点->改进思路
• 行业类问题：现状->痛点->AI价值->具体案例->展望
• 请介绍一个你使用大模型解决实际问题的项目
• 如何设计一个针对特定业务场景的RAG系统？
• 谈谈你对Agent框架的理解，并举例说明其应用
• 在多机多卡训练中，你遇到过哪些问题？如何解决？
• 你如何看待AI在矿业领域的应用前景？