Watch Jobs
CXMT logo
长鑫存储
研发数据科学工程师-TD Data Science Engineer(J12094)
立即应聘

研发数据科学工程师-TD Data Science Engineer(J12094)

发布于 大约 14 小时前

普通员工/个人贡献者

合肥市
初级经验
全职员工
仅现场办公
学历未注明
数据分析与科学
Llm
Opencv
半导体
图像处理
数学建模
数据分析
数据挖掘
机器学习
深度学习

AI 估算 · 15k–25k

该职位要求2年以上经验，数据科学技能，结合合肥半导体行业薪资水平，月薪范围15000-25000元，中位数约20000元。

职位详情

关于这个职位

作为长鑫存储的研发数据科学工程师，你将负责半导体研发过程中的工程数据分析系统、算法与工具的设计与开发

与多部门合作，运用深度学习、机器学习、计算机图形学、LLM等前沿技术解决实际工程问题，加速新产品研发周期
该职位适合有2年以上相关经验、热爱数据科学并希望在半导体领域深入发展的求职者

最低要求

年以上深度学习、机器学习、数学建模与优化算法、计算机图形学和计算几何、数据分析及可视化或图像处理相关经验，或者数据系统相关的系统开发经验

熟悉常用的共性、相关性分析手段与方法
富有探索精神，积极主动，追求卓越
善于以创新方式解决问题
学习能力与实践能力强，具备数据科学前沿领域文献阅读与快速代码实践能力

工作职责

负责半导体研发过程中相关工程数据分析系统、算法及工具的设计与开发，帮助提高研发效率和缩短新产品研发周期

负责与缺陷/量测/良率/工艺整合/工艺研发/设计/器件/可靠性/IT等相关部门合作，进行工程数据分析系统的项目管理，完成需求梳理，产品设计与规划，推动系统开发与落地，产生业务价值
负责针对特定研发领域工程问题，进行数学建模，统计建模，优化求解，数据挖掘，数据分析，解决实际问题
然后进一步抽象出方法论，通过系统化，高效解决类似问题，加速研发
负责进行半导体图像数据(量测缺陷等图像)处理，使用OpenCV等传统视觉工具，快速提取针对特定问题特征，实现高信噪比指标来表征工程问题，加速研发
构建计算机图形学算法（如几何变换、拓扑分析、特征提取），实现版图与SEM/TEM图像的自动对齐，精确表征，异常检测等
负责开发、优化和落地应用前沿的模型与算法，包括深度学习、机器学习方面，提升半导体制造领域的图像分类、检测与分割、时间序列数据预测与异常检测等方面的系统性能，提升工程分析效率与能力
负责开发、优化和落地应用前沿的LLM/多模态智能体Agent技术，实现智能解决方案，提升工程分析效率与能力
负责工程数据分析系统前沿web前后端、数据处理技术与框架的调研、应用与改造，满足复杂工程数据分析场景的需求

优先资格

以下任一项为加分项：

深度学习、机器学习、数学建模、数据挖掘、统计建模、计算机图形学和计算几何、Web前后端系统开发、GPU并行计算开发方面的实际项目应用经验
半导体缺陷、量测图像或其它行业图像特征提取、分割、分类项目经验
DOE设计及实践经验
半导体数据分析、可视化工具和系统开发经验
熟悉半导体业务，能够根据实际业务场景，提出业务流程优化方案与数据分析流程

AI 洞察

优缺点分析

优点

  • 处于半导体行业，技术壁垒高，积累的经验具有长期价值
  • 接触前沿技术（LLM、多模态、深度学习），技能提升空间大
  • 公司平台大，长鑫存储是国内领先的存储芯片企业，项目有影响力
  • 职责范围广，从算法到系统开发，全面锻炼综合能力
  • 半导体领域知识门槛高，需要花时间学习业务流程和行业术语
  • 技术迭代快，需要持续学习前沿算法，保持竞争力
  • 适合有2年以上数据科学经验、热爱技术、愿意深入半导体行业、并具备较强学习能力和跨部门沟通能力的求职者

缺点 / 挑战

  • 工作涉及多个部门协作，项目管理能力要求较高，沟通成本大

角色解读

  • 在半导体数据科学领域深耕，成为技术专家，主导核心算法和系统的研发
  • 向管理方向发展，担任技术主管或项目经理，带领团队完成跨部门项目
  • 拓展至更广泛的人工智能领域，如计算机视觉、自然语言处理等，应用于智能制造
  • 设计和开发半导体研发中的工程数据分析系统和算法，提升研发效率
  • 与缺陷、量测、良率等多部门合作，管理数据分析系统项目，推动系统落地
  • 运用数学建模、统计建模、数据挖掘等方法解决具体工程问题，并抽象为系统化解决方案
  • 处理半导体图像数据，开发计算机图形学算法，应用深度学习和LLM技术优化分析能力
  • 扎实的深度学习、机器学习、数学建模和优化算法基础
  • 熟练的图像处理技能，包括OpenCV等传统工具和计算机图形学知识
  • 掌握统计学和数据分析方法，能够进行相关性分析和数据挖掘
  • 具备Web前后端开发或系统开发经验，能够构建和优化数据分析系统

申请策略

  • 在面试中展现你对数据科学在工业界应用的热情，可以提前准备一个你解决实际问题的案例
  • 关注长鑫存储的技术博客或行业报告，了解公司技术方向，在面试中体现你的兴趣
  • 突出深度学习、机器学习或数学建模的实际项目经验，尤其是工业场景应用
  • 展示图像处理、计算机图形学或Web系统开发的具体成果
  • 强调解决问题的创新性和系统性思维，附上案例
  • 如有半导体行业经验或相关知识，务必详细描述
  • 补充半导体工艺流程和良率分析的基础知识，可通过公开资料学习
  • 熟悉至少一种深度学习框架（如PyTorch/TensorFlow），并实践图像分类/检测/分割

面试指南

  • 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验
  • 对于技术问题，先明确问题的目标，再解释选择的方法和原因，最后总结结果和可复用的经验
  • 对于情景题，结合数据驱动和团队协作的思路，展示你的决策逻辑
  • 请讲述一个你使用深度学习解决实际图像分类或检测问题的项目
  • 如何设计一个实验来评估不同模型对半导体缺陷检测的效果？
  • 描述一个你通过数据挖掘发现并解决工程问题的案例
  • 你对LLM和多模态模型在工业领域的应用有何看法？
  • 你如何处理跨部门项目中的需求冲突？

职位点评

68
综合评分

半导体数据科学岗，技术栈前沿，成长性高，但工作强度不确定，WLB一般。

从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。

更适合这类人
最适合追求技术成长和前沿应用，对工作生活平衡要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活40
使命价值70

薪资福利

65中等

该职位未明确薪资和福利，但属于社会招聘全职，合肥半导体行业薪资中等偏上，稳定性高。

薪资信号未披露（AI估算：15K-25K/月）

成长发展

90较高

职位强调前沿技术（深度学习、LLM、多模态），要求持续学习，与多部门合作，成长空间大。

技术前沿前沿/新兴技术
技术栈深度学习、机器学习、LLM、多模态智能体、计算机图形学、GPU并行计算
成长机会富有探索精神、学习能力与实践能力强、文献阅读与快速代码实践能力
业务类型profit_center

工作生活

40较低

工作地点合肥，仅现场办公，未提及弹性工作或远程，半导体行业通常有一定强度。

工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）

使命价值

70中等

半导体行业是国家战略性行业，职位直接参与提升研发效率，推动技术进步，有一定社会价值。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术

长鑫存储 的其他在招职位

相似职位推荐

Watch Jobs