数据科学(J20265)

优缺点分析

角色解读

• 从数据科学研究工程师向资深数据科学家或算法专家发展，深入半导体领域专精
• 可横向扩展到人工智能、大数据架构、智能制造等方向
• 随着半导体行业数字化深入，有机会晋升为技术专家或团队管理者
• 针对半导体研发工程问题构建数学模型、统计模型和神经网络模型，进行数据挖掘与优化求解，输出可复用的方法论
• 处理半导体量测与缺陷图像数据，结合计算机视觉和OpenCV提取特征，表征工程问题
• 设计开发数据分析系统与自动化工具，支持跨部门合作和高效决策
• 与Fab和研发部门协作，进行良率监测与异常定位，建立自动化报告和KPI系统
• 扎实的机器学习与深度学习基础，熟练使用PyTorch或TensorFlow
• 掌握Python、R、SQL或C++，具备大数据处理经验（Hive/Spark）
• 具备计算机视觉、大语言模型或AI Agent至少一项的专项能力，并了解Prompt Engineering、Fine-tuning、RAG等
• 良好的英文文献阅读能力和沟通协作能力

申请策略

• 了解长鑫存储的业务和技术方向，在申请中体现对半导体数据科学的兴趣
• 关注招聘流程，校招可能有笔试和面试，提前准备算法和机器学习基础
• 重点突出机器学习/深度学习项目经验，尤其是实际应用案例
• 展示大数据处理能力，如Spark/Hive的项目实践
• 如果有计算机视觉或大语言模型相关项目，务必详细描述方法、结果和影响
• 强调学术背景和科研经历，如论文、竞赛、实验室项目
• 复习并实践PyTorch/TensorFlow，掌握常见模型调优技巧
• 了解半导体量测、缺陷、良率的基本概念，补充行业知识

面试指南

• 使用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来描述项目
• 对于技术问题，先阐述基本概念，再结合项目实例说明应用，展示深入理解
• 对于行业问题，展示你主动学习的能力，如查阅资料、学习基本知识
• 介绍一个你做过的最有价值的机器学习项目，包括问题、方法、结果
• 什么是梯度下降？如何避免过拟合？
• 你如何理解良率分析中常用的统计方法（如SPC）？
• 如何设计一个CNN模型来对半导体缺陷图像进行分类？
• 请解释一下RAG的工作原理以及应用场景