通用电气-布朗-博韦里
数据建模&大模型开发实习
数据建模&大模型开发实习
发布于 大约 4 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
软件工程
Pytorch
Rag
大模型
数据分析
机器人
深度学习
AI 估算 · 3k–5k
实习岗位，薪资水平适中，大公司提供有竞争力的实习待遇，但技术难度较高，略高于市场平均水平。
职位详情
关于这个职位
该实习岗位专注于数据建模与大模型开发，你将参与机器人运动数据分析，利用深度学习和大语言模型技术预测设备健康状态并开发智能运维助手
适合对AI与机器人结合感兴趣的在读学生，能接触到工业级数据和实际项目场景
最低要求
本科或硕士在读，计算机，数据分析，人工智能相关专业
精通Python，熟悉pytorch，熟悉LLMs开发框架 （Transformers/LangChain等），熟悉Linux系统操作
英文读写能力
积极的工作态度，自驱，结果导向
工作职责
分析机器人运动数据，应用深度学习及统计学模型预测机器人健康指标（Motor/Gearbox异常检测），根据产品迭代和实际项目进行模型训练和测试
基于大语言模型LLMs的机器人运维助手开发，包括数据整理分析标注，大模型微调及向量数据库（RAG）优化
AI 洞察
优缺点分析
优点
- 接触真实工业场景和业务数据，技术应用价值高
- ABB和软银背景，平台资源丰富，职业发展起点高
- 团队氛围好，有机会与全球专家合作，学习前沿技术
- 实习时间短，需快速掌握业务和技术栈
- 工业数据质量复杂，对模型调优能力要求高
- 大模型领域更新快，需保持持续学习
- 适合对AI和机器人有浓厚兴趣、自学能力强、希望在工业领域深耕的在读学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 实习结束后可转正为全职数据科学家或AI工程师
- 在工业机器人领域积累深度学习和大模型应用经验，成为行业专家
- 未来可向技术管理或高级算法工程师方向发展
- 利用机器学习和深度学习模型分析机器人运动数据，进行异常检测和健康预测
- 开发基于大语言模型的运维助手，包括数据清洗、标注、模型微调和RAG系统优化
- 参与产品迭代和实际项目，完成模型训练、测试和部署
- 精通Python编程，熟练使用PyTorch等深度学习框架
- 熟悉LLM开发框架如Transformers、LangChain，了解RAG技术
- 具备Linux系统操作能力和英文读写能力
申请策略
- 了解ABB机器人业务和软银的战略布局，在面试中展现行业热情
- 准备一个与运动数据或LLM相关的小项目案例
- 突出Python和PyTorch项目经验，尤其是深度学习相关项目
- 展示LLM相关实践，如使用LangChain或微调模型的经历
- 强调数据分析和处理能力，特别是时间序列或传感器数据
- 提前熟悉LangChain和RAG框架，动手做一个简单的LLM应用
- 复习机器学习基础，特别是异常检测算法
面试指南
- 技术问题：先解释核心概念，再结合项目经历，最后讨论优化方向
- 项目问题：按STAR原则（情境、任务、行动、结果）组织回答，突出个人贡献
- 请解释RAG的工作原理及其在运维助手中的应用
- 如何检测机器人电机异常？你会选择哪些特征和模型？
- 用过哪些LLM开发框架？遇到过哪些挑战？
- 描述一个你完成的深度学习项目，包括数据、模型和结果
- 复习Transformer架构和LangChain常用组件
- 准备一个端到端的异常检测或LLM对话案例
职位点评
67
综合评分
顶级工业机器人平台的AI实习，技术前沿、成长性强，但薪资和福利一般。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
最适合追求技术成长和前沿领域探索的求职者，对薪资和WLB要求不高。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活50
使命价值70
薪资福利
40较低
实习薪资处于中等水平，福利未明确提及，补偿性动机满足一般。
薪资信号未披露（AI估算：3K-5K/月）
成长发展
90较高
该实习涉及前沿AI技术（大模型、深度学习），成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformers、LangChain、LLM、RAG、深度学习
业务类型ambiguous
工作生活
50较低
要求现场办公，未提及弹性工作或WLB，生活化动机满足有限。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
参与工业机器人智能化，有明确社会价值，但使命导向不强，意义感动机中等偏上。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
通用电气-布朗-博韦里 的其他在招职位
相似职位推荐
Watch Jobs