AIOps算法工程师

优缺点分析

角色解读

• 从算法工程师向AI架构师发展，主导智能运维平台整体技术演进
• 深入AIOps细分领域，成为故障预测、根因分析等方向的专家
• 可横向拓展到公司其他AI产品线，或转向技术管理岗位
• 设计和优化智能运维系统架构，确保系统可扩展性和稳定性
• 开发和部署机器学习/深度学习模型，用于网络故障预测、异常检测和根因分析
• 研究LLM等前沿技术，将其应用于运维场景，提升自动化水平
• 精通Python、Go或C编程，熟悉二三层网络转发协议
• 深入理解机器学习/深度学习原理，熟练使用PyTorch或TensorFlow
• 具备大语言模型（Transformer）应用经验，掌握训练、微调、部署等实践
• 具备网络运维背景，能理解运维场景并落地AI方案

申请策略

• 了解深信服智能运维产品（如Sangfor AIOps）的业务场景，面试时展示行业认知
• 准备一个从数据预处理到模型部署的完整项目复盘，体现端到端能力
• 突出网络运维相关项目经验，如故障预测、异常检测等AI落地案例
• 详细描述使用PyTorch/TensorFlow进行模型训练和部署的经历
• 强调大语言模型（如Transformer）的应用实践，包括微调、剪裁等
• 列出掌握的二三层网络转发技术，体现网络背景
• 补充学习网络运维基础知识，如TCP/IP、路由交换等，提升业务理解
• 深入实践大语言模型微调，了解LoRA等技术，准备相关实验项目

面试指南

• 遵循STAR原则描述项目：背景、任务、行动、结果，并强调技术选型和遇到的挑战
• 对于算法原理问题，先阐明核心概念，再结合实际场景说明如何应用或改进
• 当被问及模型落地时，从数据、训练、部署、监控等全链路角度回答，体现工程思维
• 请介绍一下你过去做的AI项目中，如何选择合适的模型并解决过拟合问题？
• 在运维场景中，如何处理时间序列数据的异常检测？请举例说明
• 你如何将一个大语言模型应用到实际的运维故障诊断中？
• 请解释一下Transformer的self-attention机制，为什么它适合序列建模？
• 如何评估一个故障预测模型的性能？在业务中如何权衡精确率和召回率？