Industrial Engineering ES

优缺点分析

角色解读

• 从AI算法工程师向高级算法专家或技术负责人发展，逐步主导更复杂的AI项目
• 可向工业AI、智能制造等垂直领域深耕，成为行业专家
• 有机会参与国际项目，提升跨文化协作和项目管理能力
• 负责AI算法设计、开发与优化，包括机器学习、深度学习及NLP领域，并构建定制化AI解决方案
• 探索并落地大模型（LLM）在对话系统、知识图谱、内容生成等场景的应用，推动企业级AI项目
• 优化模型推理流程，提升性能、降低延迟，并参与模型全生命周期管理，确保生产环境稳定
• 作为内部及外部联络人，参与内部工作组协作，并规划实施相关培训
• 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
• 熟练掌握TensorFlow、PyTorch、MindSpore等至少一种深度学习框架
• 具备扎实的数学基础，熟悉线性代数、概率统计、最优化理论
• 熟悉大模型相关技术，如LangChain、RAG、模型微调与推理优化

申请策略

• 了解德科斯米尔在汽车工业领域的业务，思考AI如何赋能
• 准备项目案例，展示从算法设计到落地的完整流程
• 突出AI项目经验，特别是独立主导或完整参与的项目
• 强调大模型（LLM）相关项目，如RAG、微调、Agent等
• 展示Python、TensorFlow/PyTorch等技能，并量化成果
• 补充LangChain、LlamaIndex等大模型应用框架知识
• 学习模型优化技术，如量化、蒸馏、vLLM等
• 提升英语沟通能力，尤其是技术文档和汇报

面试指南

• 采用STAR法则（情境、任务、行动、结果）清晰描述项目经验
• 强调技术选型、优化思路和实际效果，突出解决问题的能力
• 结合工业场景，展示对业务需求的理解
• 请介绍一个你主导的AI项目，从需求分析到落地部署的完整过程
• 如何优化大模型的推理性能？你使用过哪些技术？
• 在工业场景中，如何设计一个AI解决方案？
• 你如何选择和处理训练数据？
• 如何评估模型效果并持续优化？