数据科学(J14659)

优缺点分析

角色解读

• 从数据科学工程师起步，逐步成长为数据科学专家或技术负责人
• 在半导体制造领域深耕，成为行业数据分析专家，推动智能制造
• 有机会转向管理岗位，带领数据团队，或向AI算法专家方向发展
• 负责在大数据平台上进行数据分析和挖掘，运用机器学习算法为业务部门提供决策支持
• 梳理晶圆制造数据，与IT部门合作推动数据民主化，让数据价值被更多业务部门利用
• 与工艺和设备部门协作，探索新的分析方法，提升产品良率和机台产能
• 推动计算机视觉、深度学习等新技术在工厂自动化中的应用，并参与数据科学平台的建设和维护
• 熟练掌握至少一种编程语言（如Python、Java、Scala），具备Linux/Unix环境开发经验
• 扎实的统计学、机器学习、深度学习理论基础，并能实际应用
• 熟悉Hadoop生态体系，包括Kafka、Yarn、HBase、Hive等组件
• 具备良好的英语读写能力，以及沟通协作和逻辑思维能力

申请策略

• 关注长江存储的校招动态，了解公司文化和业务方向
• 在面试中展示对数据科学在制造业应用的热情和思考
• 突出数据科学项目经验，包括数据清洗、建模、评估等完整流程
• 强调编程能力，特别是Python、Java等语言的实际应用
• 展示对Hadoop生态的了解，如有相关实习或项目经验更佳
• 体现团队协作和沟通能力，可举例说明在项目中的角色
• 提前熟悉Hadoop生态，可以自己搭建小型集群进行练习
• 深入学习机器学习算法，特别是深度学习在工业场景的应用

面试指南

• 回答技术问题时，可采用STAR法则（情境、任务、行动、结果）来结构化描述项目经历
• 对于开放性问题，先明确问题核心，再分点阐述思路，最后总结
• 请介绍一个你使用机器学习解决实际问题的项目
• 你如何理解Hadoop生态中的各个组件？请举例说明
• 如何评估一个数据模型的性能？
• 在团队项目中，你如何与不同背景的同事协作？
• 你对半导体制造行业的数据分析有什么理解？
• 复习机器学习核心算法，准备1-2个完整的项目案例