中芯国际
大数据分析开发工程师(J13219)
大数据分析开发工程师(J13219)
发布于 大约 13 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
数据分析与科学
Cmp
Sql
半导体
异常检测
数据清洗
机器学习
统计分析
预测性维护
AI 估算 · 20k–30k
中芯国际为半导体大厂，硕士+1年经验，数据分析岗位，上海薪资水平，具备良好竞争力。
职位详情
关于这个职位
加入中芯国际先进智能晶圆厂，深入半导体制造一线，利用大数据分析技术优化良率、提升设备效率
你将用Python处理海量制程数据，开发监控预警与预测性维护模型，并跨部门协作推动工艺改进，是连接数据与制造的桥梁角色
最低要求
硕士学历，电子工程、集成电路、自动化、计算机、数学、统计或相关理工科专业
了解集成电路制造、在制品流程的基本知识、办公自动化、SQL
拥有数据处理经验，例如使用pandas清洗数据（处理缺失值、异常值）、以及进行标准化处理
用python等编程语言对大量数据进行分析，及时发现潜在的异常
具备1年以上半导体/高端制造数据分析经验
学习能力强，具备严谨的数据思维与工程落地意识
纪律性强，沟通协调能力佳，能在快节奏的Fab环境中高效协同
工作职责
良率提升与CMP工艺优化：深入国内最先进的智能无人晶圆厂（Fab）生产一线，从海量制程数据中提炼关键工艺特征，主导/参与制程良率提升专项，推动工艺参数持续优化
数据管道与自动化开发：熟练使用Python连接各类设备/业务数据库，完成大规模数据的清洗、标准化、缺失值/异常值处理及自动化脚本开发，提升数据处理效率
实时监控与预警体系：基于Python开发工艺参数监控看板，建立阈值预警机制
当数据偏离正常分布或工艺窗口时，自动推送告警信息，辅助快速干预以降低损耗
设备效能与预测性维护：研究并优化WPH（Wafer Per Hour）模型与设备利用率（OEE）分析体系
应用机器学习/统计算法对机台零部件生命周期进行预测，识别性能衰减与异常波动，推动针对性维护与工艺改进
缺陷诊断与根因分析：基于Python构建数据驱动的分层级缺陷诊断体系，实现关键Layer缺陷的自动分类、聚类分析与根因追溯，形成闭环优化机制
跨部门协同落地：与制造、工艺、设备等合作伙伴紧密协作，将数据分析结论转化为可执行的工艺调整方案，持续推动良率、效率、成本等核心KPI达成
AI 洞察
优缺点分析
优点
- 接触国内最先进智能无人晶圆厂的生产数据，积累半导体行业稀缺的数据分析实战经验
- 技术栈前沿（Python+机器学习），技能可迁移至工业4.0、IoT等热门领域
- 大型平台提供稳定职业发展，且有跨部门协同机会，锻炼沟通与业务理解能力
- 半导体制造流程复杂，需要快速学习工艺知识，对数据精度要求极高，容错率低
- 数据分析从模型到落地需克服工程化障碍，对跨部门协调能力要求高
- 适合对工业大数据感兴趣、喜欢解决实际工程问题、能适应快节奏制造环境的数据分析人才
缺点 / 挑战
- Fab环境节奏快、对数据实时性要求高，工作压力较大，需要适应倒班或随时响应预警
角色解读
- 成为半导体大数据专家：深耕Fab数据分析，从单一工艺优化到全流程智能制造系统设计
- 向数据科学家或算法工程师方向发展：在工业大数据领域积累经验，可转型为AI研发岗
- 横向发展至制造管理或工艺整合：凭借数据洞察能力，转岗为工艺工程师或智能制造项目经理
- 深入晶圆厂一线，从海量制程数据中提炼关键特征，主导良率提升与工艺优化专项
- 使用Python开发自动化数据管道，清洗、处理大规模数据，并建立实时监控与预警看板
- 应用机器学习算法进行设备效能分析与预测性维护，构建缺陷诊断与根因分析体系
- 与制造、工艺、设备团队协作，将数据分析结论转化为可落地的工艺调整方案
- 精通Python及其数据分析生态（Pandas, NumPy, Scikit-learn），具备扎实的数据处理与建模能力
- 熟悉SQL及数据库操作，能够高效连接各类业务系统并提取数据
- 了解半导体制造流程或高端制造业，具备工艺分析思维
- 掌握统计学与机器学习基础，能独立完成异常检测、分类、聚类等任务
申请策略
- 了解中芯国际技术路线与智能制造战略，面试时主动关联自身经验
- 准备一个完整的端到端数据分析案例，展示从问题定义、数据采集、建模到业务落地的能力
- 突出Python数据处理项目，尤其是清洗、特征工程、异常检测等实际案例
- 强调半导体或高端制造业背景，如有相关实习或项目经验务必详述
- 展示机器学习应用成果，如预测性维护、分类模型等，用数据说明效果（如提升良率X%）
- 提及跨部门协作经验，体现沟通与落地能力
- 补充半导体制造工艺基础知识，如CMP、光刻、刻蚀等流程
- 学习时序分析或异常检测算法（如LSTM、孤立森林），针对性增强设备监测能力
面试指南
- 使用STAR法（情境-任务-行动-结果）结构化回答项目类问题
- 技术类问题先明确目标，再分步骤阐述数据收集、特征选择、模型评估与优化
- 沟通类问题展示尊重与数据驱动，强调合作与折中方案
- 请描述一个你使用Python处理大规模数据并发现业务价值的项目
- 在半导体制造中，如何利用数据识别影响良率的关键参数？请举例
- 假设你需要构建一个设备异常预警系统，你会如何设计特征与模型？
- 你如何处理数据缺失和异常值？在Fab环境中有哪些特殊考虑？
- 当分析结果与工艺工程师经验冲突时，你如何推进落地？
职位点评
68
综合评分
半导体大厂数据岗，技术前沿、成长空间大，但工作强度高、灵活性低。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合看重技术成长与行业前景，能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活40
使命价值70
薪资福利
70中等
中芯国际为半导体龙头，薪资处于行业中等偏上，福利完善，但作为社招岗位薪资未明确披露，存在面议可能。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
85较高
岗位涉及Python、机器学习等主流技术，且接触最先进的晶圆厂数据，技能成长空间大；但JD未明确晋升通道。
技术前沿主流现代技术
技术栈Python、Pandas、机器学习、统计、SQL
业务类型profit_center
工作生活
40较低
Fab环境节奏快，可能涉及加班或轮班，JD未提及弹性办公或远程，WLB一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
70中等
半导体行业为战略新兴产业，岗位助力国产芯片良率提升，社会价值较高。
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
中芯国际 的其他在招职位
相似职位推荐
Watch Jobs