Sen. Digital Solution Engineer. Special.

优缺点分析

角色解读

• 横向拓展：可向工业AI架构师、AI产品经理方向发展
• 纵向深入：成为AI算法专家或首席科学家，深耕预测维护与诊断领域
• 管理路线：未来可带领算法团队，担任技术负责人或研发经理
• 负责迭代和部署机器人预测算法，利用预训练大模型实现状态预测与寿命估计
• 收集并分析工业过程数据与故障数据，挖掘数据价值，进行诊断与优化
• 构建基于知识库的AI咨询模型，支持故障诊断与工艺优化
• 将算法落地到实际工业场景，解决现场技术问题并编写文档
• 扎实的机器学习和深度学习基础，熟悉大模型微调与部署
• 精通时序数据建模、多源数据融合和模型性能优化
• 掌握知识库构建、向量化及RAG技术
• 具备现场问题解决能力和跨部门协作能力

申请策略

• 在简历中重点量化项目成果，如预测准确率提升、故障提前预警时间等
• 面试前了解ABB机器人业务及软银收购背景，展现行业热情
• 突出AI算法项目经验，特别是时序预测、故障诊断或大模型相关项目
• 强调工业场景或机器人相关的经历，如智能制造项目
• 展示知识库或RAG构建的实际成果
• 列举跨部门协作和现场问题解决的案例
• 补充或强化工业领域知识（如焊接工艺、设备故障模式）
• 学习向量数据库和RAG框架，如FAISS、LangChain

面试指南

• 用STAR法则：情境-任务-行动-结果，突出技术难点和解决方案
• 强调数据预处理和模型优化流程，展示系统思维
• 结合业务价值，说明算法如何解决实际问题
• 请描述一个你使用时间序列模型进行预测的项目，如何评估模型效果？
• 你如何将大模型应用于工业场景？遇到过哪些挑战？
• 解释RAG的工作原理，以及你在项目中如何构建知识库？
• 你如何处理工业现场数据质量差、噪声大的问题？
• 如何向非技术同事解释你的算法输出？