Industrial Engineering ES

优缺点分析

角色解读

• 可向AI算法专家或高级研究员方向发展，深入大模型与多模态技术
• 也可向技术经理或项目负责人转型，管理AI团队和项目
• 外企环境提供国际培训机会，未来可向全球研发中心流动
• 设计和开发机器学习、深度学习及NLP算法，构建面向业务场景的定制化AI解决方案
• 进行数据挖掘、特征工程、模型训练与调优，提升模型性能
• 探索和落地大规模语言模型（LLM）在对话、知识图谱、内容生成等场景的应用
• 优化LLM推理流程，使用vLLM、Ollama等框架，并应用量化、蒸馏等轻量化技术
• 扎实的数学基础（线性代数、概率统计、优化理论），精通Python
• 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
• 具备LLM相关经验，熟悉LangChain、RAG、Agent等工具
• 能够独立主导AI项目，具备数据分析和模型部署能力

申请策略

• 了解德科斯米尔在汽车领域的AI应用场景，思考如何将大模型技术与工业工程结合
• 准备英文简历和面试，JD明确要求英语作为工作语言
• 突出AI项目经验，尤其是独立主导或完整参与的项目，说明具体贡献和成果
• 强调大模型相关技能（LLM、LangChain、RAG、Prompt Engineering等）
• 展示Python、PyTorch/TensorFlow等核心技术栈的熟练程度
• 如有英语工作环境经历或国际化项目，务必注明
• 熟悉vLLM、Ollama、TGI等推理框架，以及量化、蒸馏技术
• 补充RAG和Agent相关实践，如LlamaIndex、LangChain集成

面试指南

• STAR法则：描述情境、任务、行动、结果，重点突出你的技术选型和难点解决
• 对比不同方案：在LLM相关问题上，可对比传统方法与LLM方法的优劣，展示思考深度
• 结合业务：强调技术如何服务于业务场景，体现商业价值
• 请介绍一个你独立主导的AI项目，从数据处理到模型部署的完整流程
• 你在LLM应用中使用过哪些框架？如何优化推理性能？
• 如何设计一个RAG系统？检索与生成如何平衡？
• 请解释梯度消失/爆炸的原因及解决方法，或在某个项目中如何调优模型
• 你为什么想加入外企做AI？对汽车行业有哪些了解？