【智慧医工】AI应用开发研究员（北京）(J53734)

优缺点分析

角色解读

• 从算法/平台开发工程师成长为AI技术专家或架构师，主导大型AI系统的整体设计与技术选型
• 向AI产品负责人或技术管理岗位发展，推动技术落地并负责团队建设
• 在医疗健康AI这一交叉领域深耕，成为兼具行业知识与AI技术的复合型专家
• 设计和开发基于大模型的AI应用平台与工具，如训练、部署和优化平台
• 运用LLM、RAG等技术解决实际问题，构建知识问答、内容生成等产品功能
• 针对硬件与系统进行性能调优，包括模型压缩、并行计算，确保AI方案在业务场景中高效运行
• 扎实的深度学习框架（PyTorch/TensorFlow）使用与调优能力，尤其是CUDA性能优化
• 对Transformer架构、大模型技术栈（如Hugging Face）有深入理解，并能应用于多模态数据处理
• 出色的编程功底（Java/C++/Python），涵盖系统底层（内存、多线程、网络IO）知识

申请策略

• 仔细研究京东方智慧医工的具体业务和产品，思考你的技术如何能与之结合，在面试中展现你的业务洞察力
• 准备好讨论一个你从零开始解决的复杂技术问题，重点阐述你的分析思路、技术选型和优化过程
• 突出与大模型、深度学习框架相关的项目经历，详细描述你负责的模块、使用的技术（如PyTorch、Hugging Face）及取得的成果
• 强调系统级编程能力，展示在并行计算、性能优化或底层开发方面的实践经验或课程项目
• 如有跨模态（文本、图像、语音）的数据处理或应用开发经验，务必重点阐述
• 系统复习CUDA编程、高性能计算（HPC）和分布式训练相关知识，这是岗位的核心要求之一
• 深入学习最新的大模型技术（如MoE、长上下文）、RAG架构及多模态模型的实现原理
• 寻找或参与一个端到端的AI应用项目，从数据准备、模型训练到部署优化，积累全链路经验

面试指南

• 采用STAR法则（情境、任务、行动、结果）来结构化描述你的项目经历，量化成果
• 回答技术问题时，先阐述核心概念，再结合具体代码或案例进行说明，体现你的实践深度
• 对于开放性设计问题，先明确需求与目标，再分解模块，阐述技术选型的理由和潜在挑战
• 请介绍一个你参与过的、涉及大模型或深度学习模型优化的项目，你在其中扮演了什么角色？遇到了什么技术难点，如何解决的？
• 你对‘智能体’或‘多智能体系统’的理解是什么？如果让你设计一个知识问答系统，你会如何考虑使用RAG架构？
• 请解释PyTorch中的自动微分机制，并谈谈如何对一个深度学习模型的推理过程进行性能分析和优化
• 你如何理解模型压缩（如量化、剪枝）与硬件加速（如使用TensorRT）在AI应用落地中的关系？
• 为什么选择京东方的这个岗位？你对医疗健康领域与AI结合的前景有什么看法？