业务数智化专家-AI Digitalization Specialist(J19959)

优缺点分析

角色解读

• 从AI专家向技术负责人或AI产品总监发展，管理更大规模的AI团队与项目
• 深入半导体行业业务，成为行业AI解决方案架构师，拓展至智能制造、工业AI等方向
• 积累跨领域经验，向企业数智化转型顾问或首席技术官（CTO）方向进阶
• 深入理解半导体制造、研发、测试等核心业务流程，识别数据链路与业务痛点，转化为技术方案
• 评估大模型、多模态、知识图谱等AI技术的可行性，规划技术落地路径并推动原型验证
• 主导AI产品全生命周期，从需求分析、系统架构设计到跨部门协调，确保方案可落地、可扩展
• 协同产品经理进行技术培训、文档编写与用户反馈闭环，持续优化产品体验
• 扎实的机器学习与深度学习理论基础，熟悉大语言模型和多模态模型调优
• 熟练使用Python/C++进行算法原型开发，掌握TensorFlow/PyTorch进行模型训练与部署
• 具备系统架构设计思维，能综合考虑业务流程、系统关系、数据流转及AI能力接入
• 优秀的逻辑抽象与结构化表达能力，能够跨部门协调并独立完成技术方案设计

申请策略

• 提前研究长鑫存储的业务痛点（如芯片制造良率提升、设备预测性维护），在面试中展示行业理解
• 准备一个完整的AI方案演示（如原型或Demo），突出技术可行性与业务价值
• 突出主导的至少2个完整AI项目，强调从原型到落地的全流程，并量化业务效果（如效率提升、成本降低）
• 详细描述在项目中的技术选型与架构设计，尤其是大模型、多模态或知识图谱的应用
• 展示后端开发能力（Python/C++）以及TensorFlow/PyTorch实战经验，附带GitHub或个人项目链接
• 强调半导体或制造业相关业务理解，如有生产、研发、测试流程经验更佳
• 补充系统架构设计知识，如微服务、分布式系统，可通过学习云原生或TOGAF认证
• 深入了解大模型（如GPT、LLaMA）的微调、部署和推理优化，熟悉LangChain、Hugging Face等工具

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，结构化展示项目经验
• 技术评估框架：先明确业务目标与约束，再对比AI技术（如大模型 vs 传统ML）的可行性、成本与风险，最后给出优先级建议
• 系统架构思维：从业务流程出发，分层考虑数据层、模型层、应用层，强调模块化、可扩展与复用
• 请举例说明你主导的一个AI项目从概念到落地的全过程，遇到了哪些挑战？如何解决？
• 在半导体业务场景中，你会如何评估大模型技术是否适合某个具体问题？
• 你如何设计一个能够兼顾多个业务线需求的AI系统架构？
• 请描述一次跨部门协调中遇到的冲突，你如何推动共识并完成项目？
• 对于多模态模型（如文本+图像），你有哪些调优经验或策略？