数据科学工程师-Data Scientist Engineer(J16106)

优缺点分析

角色解读

• 深入数据科学领域，成为工业数据分析专家或算法工程师
• 向智能制造解决方案架构师发展，主导大型数字化项目
• 积累管理经验，逐步走向数据团队负责人或技术经理岗位
• 为工业工程、采购、计划等部门提供数据分析和建模支持，优化生产流程和供应链管理
• 构建预测性维护、产能优化、良率提升等数学模型和智能算法，推动智能制造
• 与IT及业务团队协作，优化数据架构，确保数据质量和实时性
• 跟踪数据科学前沿技术，探索在制造与供应链领域的应用
• 熟练使用Python及数据分析库（如pandas、numpy、scikit-learn等）
• 具备机器学习、深度学习模型构建和调优经验
• 了解数据库使用，能处理工业数据
• 具备一定的业务理解能力，能将技术方案转化为业务价值

申请策略

• 在简历中量化项目成果，例如提升良率多少、降低库存成本多少
• 了解长鑫存储的产品和制造特点，面试中展示对半导体行业的理解
• 突出Python数据分析和机器学习项目经验，尤其是工业或供应链相关案例
• 强调使用过优化算法（线性规划、遗传算法等）或预测性维护项目的成果
• 展示数据库使用能力及与业务团队协作的跨部门项目
• 补充工业工程或供应链基础知识，如精益生产、库存管理等
• 学习常用工业数据协议（如OPC UA）或工业仿真软件

面试指南

• 使用STAR法则（情境、任务、行动、结果）清晰描述项目
• 对技术问题，先明确问题目标，再讨论方法选择、评估指标和迭代过程
• 强调数据理解、特征工程和业务验证的重要性
• 请描述一个你使用机器学习解决工业问题的项目
• 你如何处理工业数据中的缺失值和异常值？
• 预测性维护中，如何选择特征和模型？
• 如果你发现模型效果不如预期，你会如何排查和优化？
• 谈谈你与业务部门协作的经历，如何推动方案落地？