大模型数据主任工程师 LLM Data Staff Engineer(J21151)

优缺点分析

角色解读

• 纵向深化：成为半导体行业数据工程或AI数据领域的技术专家，主导更复杂的数据架构设计
• 横向拓展：向数据科学家或算法工程师方向发展，参与模型训练与调优的全过程
• 管理方向：带领数据工程团队，负责更宏大的数据平台规划与技术战略
• 构建和维护面向大模型的半导体领域训练数据全流程体系，确保数据质量与合规
• 开发并优化针对各类非结构化专业文档（如芯片设计图、工艺报告）的自动解析和结构化抽取方案
• 主导建设半导体领域的专业术语库和知识库，支持大模型的知识增强与精准问答
• 设计和运营模型微调的指令数据集和评测集，用于模型能力的评估与迭代
• 扎实的Python工程能力，能独立开发和维护复杂的数据处理Pipeline
• 精通Spark、Ray等分布式计算框架，能处理TB级数据并进行性能调优
• 熟悉非结构化文档解析技术，如PDF解析、OCR、图表结构化抽取
• 具备跨领域协作能力，能将技术方案与半导体行业专家的具体需求有效结合

申请策略

• 在简历和面试中，着重体现你的技术方案如何解决半导体数据处理中的特定痛点（如图表解析难、术语不统一等）
• 提前了解长鑫存储在存储芯片领域的业务地位和技术布局，思考你的技能如何为其AI战略创造价值
• 重点突出Python开发和大规模分布式数据处理（Spark/Ray）的具体项目经验
• 详细描述处理过PDF、图表等非结构化文档的解析方案、技术选型和优化成果
• 强调与领域专家协作的经历，以及推动数据需求从设计到落地的完整案例
• 如有开源项目贡献（如HuggingFace相关）或半导体行业经验，务必醒目列出
• 可学习一些半导体行业的基础知识（如芯片制造流程、常见文档类型），以便在面试中更好地理解业务场景
• 回顾或实践常见的文档解析技术栈（如PyMuPDF、Tesseract OCR），并准备相关技术难题的解决方案

面试指南

• 对于项目经验问题，采用STAR法则（情境、任务、行动、结果）进行结构化描述，突出你的个人贡献和技术深度
• 对于方案设计问题，从需求分析、技术选型、架构设计、优化迭代等步骤展开，强调方案的可行性、可扩展性和对行业特点的适配
• 对于评估与流程问题，阐述清晰的流程图，并说明关键的质量控制点、评估指标（如准确率、完整性）以及如何持续优化
• 请描述一个你处理过的最复杂的大规模非结构化数据处理项目，遇到了哪些挑战，你是如何解决的？
• 针对半导体行业文档（如包含复杂图表的PDF），你会设计怎样的Pipeline来解析和抽取结构化信息？
• 如何保证和评估用于大模型训练的领域语料的质量？你会建立哪些流程或指标？
• 如何为半导体领域设计一个SFT指令数据集和评测集？请举例说明
• 在数据处理中如何考虑数据安全与合规，特别是对敏感的半导体设计文档？