Industrial Engineering ES

优缺点分析

角色解读

• 可以从算法工程师向高级算法专家或技术负责人方向发展
• 随着大模型技术的普及，可向AI架构师或技术专家转型
• 在跨国企业中有机会参与国际项目，拓展职业视野
• 负责机器学习和深度学习算法的设计与开发，包括数据挖掘、特征工程、模型训练与调优，提升模型性能
• 探索大语言模型（LLM）在对话系统、知识图谱、内容生成、智能推荐等场景的应用，推动企业级落地
• 使用LangChain、LlamaIndex等工具构建Prompt Engineering解决方案，并优化LLM推理流程（vLLM、Ollama等）
• 参与大模型的预训练、微调、RAG、Agent适配，并管理AI模型从训练到部署的全生命周期
• 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
• 熟悉至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
• 具备大语言模型应用开发经验，掌握Prompt Engineering、RAG、模型轻量化等技术
• 有独立主导AI项目落地的经验，英语可作为工作语言

申请策略

• 了解德科斯米尔在汽车行业的业务，思考AI如何与汽车制造、供应链等场景结合
• 提前准备一个完整的项目案例，展示从数据到部署的全流程能力
• 突出在大模型（LLM）项目中的实际经验，包括微调、RAG、Agent等
• 量化展示AI项目的性能提升结果（如准确率、延迟、吞吐量）
• 强调Python技能和深度学习框架的熟练度，展示开源项目或技术博客
• 如果有工业工程或汽车行业背景，可额外突出
• 掌握LangChain、LlamaIndex等LLM应用开发工具，并熟悉vLLM等推理优化框架
• 了解模型量化、蒸馏等轻量化技术，以及数据处理工具Pandas、Scikit-learn

面试指南

• 采用STAR法则（情境-任务-行动-结果）描述项目，突出个人贡献和量化结果
• 对于技术问题，先阐述原理，再结合项目实例说明方案和优化过程
• 强调持续学习和落地思维，体现对业务场景的理解
• 请介绍一个你主导的AI项目，从问题定义到落地过程中遇到哪些挑战？
• 如何优化大模型推理性能？请举例说明量化或蒸馏方法
• 在RAG系统中，如何解决检索相关性低或生成幻觉的问题？
• 你如何设计Prompt Engineering方案来提升特定任务的准确率？
• 你如何将AI技术应用到工业制造或汽车行业场景中？