产品数据科学工程师-Product Data Science Engineer(J15728)

优缺点分析

角色解读

• 可在半导体数据科学领域深耕，成为良率分析专家或数据科学团队负责人
• 随着AI在半导体制造中的深入应用，可转型为AI算法工程师或技术专家
• 向管理方向发展，担任数据科学团队或数字化项目负责人
• 主导半导体产品与测试环节的数据分析，通过统计建模和机器学习提升良率、降低成本
• 开发智能化算法（如异常检测、预测模型），提升工程师分析效率
• 监控产线良率数据，主动识别异常并推动跨部门闭环解决
• 与AI团队合作，推进深度学习模型在产品测试中的落地应用
• 扎实的Python编程能力，熟练使用pandas、numpy、scikit-learn等库进行数据分析和建模
• 掌握至少一种深度学习框架（PyTorch或TensorFlow），熟悉CNN、RNN、Transformer等基础算法
• 熟练使用SQL（MySQL、Oracle等）进行数据提取和管理
• 具备独立主导数据分析项目的能力，有半导体行业背景或良率分析经验者优先

申请策略

• 研究长鑫存储的产品线和技术动态，在面试中展现对公司的兴趣
• 准备一个与良率分析或异常检测相关的项目故事，突出数据驱动的决策过程
• 突出独立完成的数据分析或算法开发项目，特别是与良率、质量或工业数据相关的项目
• 强调Python、SQL、机器学习框架等硬技能的熟练程度，可附上GitHub或项目链接
• 如有半导体行业经验（哪怕实习或课程项目），务必详细描述
• 展示跨部门协作和问题闭环的能力，用具体案例说明
• 补充半导体制造基础知识（如良率概念、测试流程），可通过网课或论文快速学习
• 复习深度学习基础（CNN/RNN/Transformer），尤其是在时间序列或图像检测方面的应用

面试指南

• 结构化回答：问题背景 → 数据探索 → 模型选择 → 评估优化 → 业务落地
• 量化结果：用具体数字说明项目提升的良率点数或效率百分比
• 体现协作：强调如何与工程团队沟通，推动方案落地
• 请描述一个你主导的数据分析项目，从问题定义到最终落地的完整过程
• 你如何选择机器学习模型？请举例说明
• 如何处理生产数据中的缺失值和异常值？
• 你对半导体良率有什么了解？如何通过数据提升良率？
• 如果给一个包含多个特征的良率数据集，你会如何分析影响良率的关键因素？