良率数据分析工程师（2026届校招）(J12854)

优缺点分析

角色解读

• 成为半导体良率分析专家，深入制造数据领域，积累行业经验
• 向数据科学家或智能制造方向转型，掌握更高级的机器学习和AI技术
• 往技术管理岗发展，带领团队负责更大规模的数据系统建设
• 维护和优化良率数据分析系统（SEDA/PBA），收集用户需求并推动功能升级
• 编写Python/R脚本，自动化生成良率分析报告、客户报告及内部KPI报表
• 研发新的数据分析工具，提升良率问题定位效率和准确率
• 扎实的数学、统计和计算机基础，熟练掌握Python/R编程及Linux环境
• 具备算法和建模能力，能运用统计模型解决实际问题
• 良好的沟通能力，能与工艺、工程等团队协作推进项目

申请策略

• 提前研究中芯国际的业务和良率分析的价值，在面试中展现对行业的热情
• 准备一个完整的数据分析项目，从问题定义到结论输出，体现逻辑和能力
• 突出与数据分析/统计建模相关的项目或实习经历，展示Python/R的实际应用
• 如有半导体或制造业背景，务必提及，体现行业契合度
• 强调算法建模能力，如分类、回归、时间序列等模型的应用案例
• 补充半导体制造基础知识，了解良率概念和常见的分析维度
• 熟练掌握至少一种数据可视化工具（如Matplotlib、Seaborn），增强报告展示能力

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目，突出你的贡献和量化成果
• 技术性问题先阐述原理，再结合具体案例说明应用，避免空谈理论
• 请详细介绍一下你做过的一个数据分析项目，包括背景、方法、结果
• 在数据预处理中，你如何处理缺失值和异常值？
• 你使用过哪些统计模型或机器学习算法？举例说明它们适用的场景
• 对半导体良率分析有什么了解？你认为影响良率的主要因素有哪些？
• 复习Python/R编程基础及常用库（如Pandas、NumPy、Scikit-learn）
• 准备2-3个与数据清洗、特征工程、模型评估相关的实战案例