软件工程(J20796)

优缺点分析

角色解读

• 初级工程师 -> 高级软件工程师/算法工程师，深耕某一技术领域（如测试算法、工业AI）
• 成长为技术专家或技术负责人，主导复杂系统架构设计与技术难题攻关
• 结合业务理解，向制造智能化解决方案架构师或技术管理方向发展
• 为芯片制造流程开发关键软件，如测试程序、自动化测试系统和数据分析平台
• 将机器学习、深度学习算法应用于解决真实的生产问题，例如预测设备故障和芯片良率
• 负责CIM、MES等核心工业软件的开发、部署和维护，保障生产线稳定运行
• 探索并集成大模型等前沿AI技术，构建智能制造系统，持续优化系统性能
• 扎实的编程功底，至少精通Python/Java/C++中一门语言，并熟悉数据结构与算法
• 具备机器学习、深度学习的理论与实践能力，能使用TensorFlow或PyTorch进行模型开发
• 掌握后端开发技术（如SpringBoot、FastAPI）及数据库设计（SQL）
• 了解半导体制造流程或工业软件（CIM/MES）将是重要加分项

申请策略

• 研究长鑫存储在存储芯片领域的技术路线和行业地位，理解软件工程在半导体制造中的价值
• 仔细阅读JD中“制造系统”、“智能系统”相关描述，思考如何将你的技能与这些具体职责相结合
• 重点展示1-2个完整的软件开发或数据分析项目，突出使用Python/Java/C++解决实际问题的能力
• 如有机器学习/深度学习项目经验（如课程设计、竞赛、论文），请详细描述算法选择、模型训练与评估过程
• 强调课程中涉及的数据结构、算法、概率统计、数据库等核心课程的扎实基础
• 可提及对半导体行业或智能制造的兴趣和了解（如关注行业动态、相关课程）
• 复习并巩固Python编程、数据结构与算法，这是面试的基石
• 实践一个从数据处理、模型训练到部署的完整机器学习小项目（如使用Kaggle数据集），并能清晰讲述

面试指南

• 项目介绍使用STAR法则：背景（Situation）、任务（Task）、行动（Action）、结果（Result）
• 重点突出你的思考、决策和技术选型
• 对于工业AI问题，从“数据获取与质量”、“模型可解释性”、“实时性要求”、“业务落地验证”等角度阐述其特殊性
• 介绍系统角色时，围绕“连接计划层与生产层”、“管理生产流程与数据”、“实现生产透明化与优化”来展开
• 编程题注重思路清晰、边界考虑和代码规范
• 机器学习题可结合理论（如过拟合处理、特征工程）和实践来回答
• 请介绍一个你主导或深度参与的软件开发/数据分析项目，具体负责哪些部分？遇到了什么挑战，如何解决的？
• 你如何理解机器学习在工业场景（如预测性维护、良率预测）中的应用？有哪些与学术场景不同的挑战？