良率提升工程师(软件开发)(J10395)

优缺点分析

角色解读

• 可向资深软件工程师或技术专家方向发展，深入半导体行业软件系统
• 积累AI图像识别经验后，可转向AI算法或数据科学领域
• 有机会晋升为技术主管，带领团队进行系统架构设计
• 开发Web和桌面系统，实现业务处理自动化和数据可视化分析，提升工程师工作效率
• 持续优化实时良率派工系统的业务逻辑，减少缺陷对产品良率的影响
• 协助厂商工程师改进AI图像识别算法，提升缺陷检测能力
• 审查重要机台的检测结果和扫描量，确保高产能利用率
• 熟练掌握C#和Python，熟悉Django等Web框架，能独立开发前后端应用
• 熟悉关系型数据库（MySQL、Oracle、PostgreSQL）操作及Linux系统管理
• 了解VBA和Office软件，具备数据分析和报告能力
• 有图像识别或AI相关经验者优先

申请策略

• 关注中芯国际的业务方向和技术栈，在面试中展现对半导体行业的热忱
• 准备一个完整的项目案例，说明如何通过软件开发提升效率或解决实际问题
• 突出全栈开发项目经验，尤其是C#桌面应用和Python Web开发
• 强调数据库优化和Linux运维能力，展示解决服务器问题的案例
• 如有图像识别或AI相关项目，务必详细描述
• 展示对半导体制造流程或工业自动化软件的理解
• 补强Django框架和前端技术（HTML/CSS/JS），熟悉常用前后端交互模式
• 学习VBA和Excel高级功能，用于数据处理和报告自动生成

面试指南

• 项目经验类问题采用STAR法则：背景、任务、行动、结果
• 技术类问题先阐述核心原理，再结合具体实践案例
• 开放性问题展示逻辑思维：从问题分析到方案设计，最后权衡取舍
• 描述一个你使用C#开发的桌面应用，并说明如何实现数据库交互
• 你如何优化一个Web应用的性能？举例说明
• 在Linux系统中排查服务器问题时，你通常会检查哪些日志？
• 请解释你理解的良率管理，以及软件如何帮助提升良率
• 你是否有图像识别经验？如何改进一个已有的识别模型？