Industrial Engineering ES

优缺点分析

角色解读

• 从AI算法工程师起步，可向大模型专家、AI架构师方向发展
• 依托外企平台，有机会参与国际项目、内部培训并逐步走向技术管理岗位
• 随着汽车行业智能化升级，可横向拓展至智能制造、自动驾驶等领域
• 设计和开发机器学习、深度学习及NLP算法，并针对业务场景定制AI解决方案
• 独立完成数据挖掘、特征工程、模型训练与调优，提升模型准确性、泛化能力和实时性
• 探索大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用，推动企业级落地
• 管理AI模型全生命周期，包括训练、调参、部署和性能优化，同时参与内部项目协调与流程优化
• 扎实的数学基础，熟悉线性代数、概率统计和最优化理论
• 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
• 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
• 熟悉LLM推理框架（vLLM、Ollama等）及LangChain等大模型应用工具

申请策略

• 了解德科斯米尔在汽车行业的业务和智能化方向，在面试中展现你对行业应用的思考
• 由于职位名称与内容不符，可主动向HR确认实际工作模块，避免误解
• 突出AI项目经验，特别是独立主导或完整参与的项目，详述你在其中的角色与贡献
• 强调对大模型、RAG、LangChain等技术的实际应用案例，最好有量化结果（如性能提升）
• 展示扎实的数学功底和编程能力，可附上GitHub链接或技术博客
• 提及英语能力，尤其是撰写技术文档和国际协作的经历
• 补强大模型相关技能：动手实践微调、RAG、Agent，熟悉vLLM等推理优化框架
• 学习LangChain、LlamaIndex等工具，尝试构建完整的LLM应用

面试指南

• 用STAR法则描述项目：情境、任务、行动、结果，突出你的具体贡献和技术难点
• 技术问题结合底层原理和实际经验，讲述“为什么这样做”比单纯说“怎么做”更有说服力
• 展示学习能力：对于新技术，阐述你的学习路径和快速上手方法
• 请介绍一个你独立负责的机器学习项目，从数据到模型到部署的全过程
• 你对大语言模型的微调和RAG有什么实践？遇到哪些挑战？
• 如何优化LLM推理的延迟和吞吐量？你用过哪些框架？
• 线性代数在模型训练中有什么用？请举例说明
• 你如何看待AI在汽车制造领域中的应用？