算法工程师-Algorithm Engineer(J19931)

优缺点分析

角色解读

• 可向技术专家方向深耕，成为半导体AI领域的算法权威
• 也可转型技术管理，带领团队负责更大规模的智能系统
• 有机会参与行业前沿研究，发表顶会论文或申请专利，提升行业影响力
• 主导半导体制造领域的智能算法开发，包括数据分析、实验设计和生产优化
• 负责大模型和AI Agent的工程化部署，推动算法从理论到生产的落地
• 协同团队完成全流程技术方案，从需求定义到上线迭代，解决高并发、高复杂度问题
• 精通Python及数据科学生态，包括数据治理、特征工程、模型训练与可视化
• 熟悉大数据技术栈（Hadoop、Spark、Doris等）和向量数据库，具备海量数据处理能力
• 掌握TensorFlow、PyTorch等框架，深入理解大模型和AI Agent原理
• 具备独立问题定义和逻辑推演能力，能主导算法方案设计

申请策略

• 在面试中准备一个完整的算法落地案例，详细说明从数据到部署的步骤和挑战
• 了解半导体制造基础知识，可在简历或面试中展现对智能分析、实验设计等场景的理解
• 突出Python开发和大数据处理的实战项目，特别是工业级或高并发场景的经历
• 强调深度学习框架使用经验和AI Agent/大模型相关项目，如Agent系统开发
• 展示半导体行业相关背景或相关领域论文/专利，体现专业匹配度
• 补充向量数据库（Milvus、Chroma）的实操经验，以及大数据组件（Doris、OceanBase）的调优能力
• 深入学习大模型原理和部署（如Fine-tuning、RAG、Agent架构），通过开源项目积累经验

面试指南

• 使用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来结构化描述项目经验
• 对于技术方案问题，先分析需求约束，再对比多种方案优缺点，最后给出理由
• 结合具体案例展示思考过程，体现独立定义问题和解决问题的能力
• 请描述你主导的一个工业级AI项目落地的全过程，遇到了哪些技术瓶颈？
• 大模型在工业场景中如何实现低延迟、高可靠的部署？请谈谈你的方案
• 如何设计一个数据治理和特征工程流程来处理高噪声的半导体生产数据？
• 你如何选择向量数据库？在项目中如何优化Milvus或Chroma的查询性能？
• 你如何看待AI Agent在半导体制造中的应用？请举一个具体场景