【显示器件及物联网创新】制程技术培训生（设备工艺-AI算法）（重庆）(J54383)

优缺点分析

角色解读

• 技术专家路线：深耕工业视觉、智能制造算法领域，成为该方向的技术专家或架构师
• 技术管理路线：在熟悉业务后，转向团队管理或项目管理，负责更大范围的算法研发与落地
• 业务融合路线：深入理解显示制造工艺，转型为工艺工程师或产品经理，主导AI技术在生产环节的创新应用
• 在显示面板制造的生产环境中，负责采集、处理和分析用于设备工艺监控与优化的视觉数据
• 运用Python开发和优化用于图像识别、目标检测等任务的算法模型，解决具体的工业场景问题
• 通过算法优化提升生产系统的准确性、稳定性和效率，助力智能制造
• 扎实的Python编程能力，能够独立完成算法脚本和应用程序开发
• 熟悉深度学习原理及常用框架，能够进行模型训练、调优和部署
• 掌握图像处理、计算机视觉相关技术，有图像识别或目标检测项目经验者优先
• 具备良好的数据分析能力和工程实践能力，能将算法与实际业务需求结合

申请策略

• 在简历和面试中，着重表达你对‘AI赋能制造业’这一方向的兴趣和理解，而不仅仅是泛泛的‘喜欢AI’
• 准备一个能体现你如何将算法应用于实际问题、并量化效果的项目案例，这将非常加分
• 突出与图像处理、计算机视觉相关的课程项目或实习经历，展示Python编程和算法实现能力
• 强调在项目中遇到的技术难点及你是如何分析、解决的，体现解决问题的能力
• 如有竞赛获奖（如Kaggle、数学建模）或发表相关论文，可重点列出
• 巩固深度学习基础，可针对性学习工业视觉检测相关的经典算法和案例
• 尝试在开源项目或自己的小项目中应用所学，丰富GitHub项目集，展示实践能力
• 了解一下京东方的主营业务和智能制造的相关背景知识

面试指南

• 项目经验类：采用STAR法则，清晰描述背景(Situation)、任务(Task)、行动(Action)和结果(Result)，重点突出你的技术决策和解决问题的过程
• 技术方案类：遵循‘问题分析-技术选型-优化思路-效果评估’的逻辑框架，体现系统性的工程思维
• 行业认知类：结合提前查阅的资料，从提升生产效率、保障产品质量、实现智能化监控等角度进行阐述
• 请介绍一下你做过的图像识别/目标检测项目，遇到了哪些挑战，你是如何解决的？
• 如果模型在训练集上表现好但在生产环境中效果不稳定，你会从哪些方面去排查和优化？
• 你对京东方的显示面板制造流程或‘工业视觉’有什么了解？认为AI可以在哪些环节发挥作用？
• 作为应届生，你如何看待在制造企业从事AI算法开发工作？
• 深入复习深度学习模型（如CNN、YOLO系列）的原理，并思考它们在工业场景下的适配性和优化点