AI Solution Architect

优缺点分析

角色解读

• 从AI应用开发工程师起步，逐步深入LLM和工程化方向，成长为AI架构师
• 在联想全球化平台中，接触不同业务场景，积累大规模部署经验
• 有机会转向技术管理或专家路线，成为AI领域专家
• 负责数据处理、标准化和可视化，使用Python、NumPy、Pandas等工具
• 参与大语言模型（LLM）应用的开发，包括RAG、Prompt工程等
• 进行模型训练、调试和性能优化，并支持模型部署和API开发
• 承担轻量级前后端开发，推动AI解决方案从开发到生产落地
• 熟练掌握Python编程，具备良好编码规范和调试能力
• 熟悉NumPy/Pandas数据处理，掌握PyTorch或TensorFlow至少一种
• 理解LLM、RAG和Prompt工程，有相关实践或竞赛经验
• 具备基础工程能力，如Git、Linux、部署、API开发等

申请策略

• 提前了解联想AI业务方向，在面试中展现对应用场景的思考
• 准备好英文自我介绍和项目概述，因为简历要求英文版，面试可能涉及英文交流
• 突出Python和数据处理相关项目，展示编码能力和数据清洗经验
• 强调LLM、RAG、Prompt工程相关的实习或竞赛经历，体现对前沿技术的理解
• 展示完整的项目案例，包括模型训练、调优、部署或前后端开发
• 注意简历需包含英文版，体现国际化沟通能力
• 如果缺少LLM实践，可快速上手构建一个RAG小项目，熟悉LangChain或LlamaIndex
• 复习Python高级特性、数据结构与算法，强化编码基本功

面试指南

• 对于项目问题，采用STAR法则，清晰说明背景、任务、行动和结果，突出技术细节
• 对于技术原理问题，先概述核心概念，再结合实例说明应用，最后强调优化和改进
• 对于工程实践问题，描述完整流程，展示考虑周全和解决问题的能力
• 请介绍一个你使用Python处理数据的项目，如何处理缺失值和异常值？
• 解释一下RAG的工作原理，并举例说明如何优化检索效果？
• 在模型训练中，你如何评估模型性能并调参？
• 你如何将训练好的模型部署到生产环境？
• 谈谈你对Prompt Engineering的理解，以及如何设计高效的Prompt