Industrial Engineering ES

优缺点分析

角色解读

• 在技术层面，可以深入大模型应用、AI平台架构等方向，成为AI算法专家或技术负责人
• 在管理层面，由于岗位包含子项目管理和协调职责，可以逐步向技术经理或项目经理方向发展
• 结合工业工程背景，可以成为智能制造、工业AI解决方案领域的专家，拥有独特的职业竞争力
• 负责规划并实现新产品的生产工艺，同时深度参与AI算法的设计与开发，包括机器学习、深度学习和NLP领域
• 构建面向业务场景的定制化AI解决方案，并探索大语言模型（LLM）在对话系统、知识图谱、内容生成等场景的应用落地
• 负责AI模型从训练、调优、测试到部署的全生命周期管理，并优化推理流程以提升性能
• 作为专业领域的联络人，参与内部工作组协作，并负责内部培训与标准流程的制定
• 精通Python，熟悉Pandas、Scikit-learn等数据处理工具，并熟练掌握至少一种深度学习框架（如TensorFlow、PyTorch）
• 具备扎实的数学基础，包括线性代数、概率统计和最优化理论
• 熟悉大模型相关技术栈，如LangChain、LlamaIndex、vLLM、Ollama，并掌握RAG、模型微调、量化、蒸馏等技术
• 英语可作为工作语言，具备良好的沟通和跨部门协作能力

申请策略

• 在申请前，了解德科斯米尔的主营业务和沈阳工厂的具体情况，思考AI技术如何与线束、内饰等产品结合
• 由于职位描述存在AI与工业工程内容的混合，建议在沟通中主动确认岗位的实际工作重心，以便更好地准备面试
• 重点突出AI项目的完整落地经验，特别是从算法设计到部署上线的全过程，并量化项目成果
• 详细描述在大模型应用（如RAG、Agent、微调）方面的具体实践，包括使用的工具链和解决的问题
• 如果具备工业工程或制造业相关背景，务必强调，这将是区别于其他候选人的重要优势
• 展示英语能力，尤其是技术文档阅读和口头汇报的能力
• 系统梳理大模型应用开发的技术栈，如LangChain、LlamaIndex、vLLM等，并动手实践一个完整的RAG项目
• 补充学习工业工程基础知识，如生产工艺规划、精益生产等，以便更好地理解业务场景

面试指南

• 回答项目经验时，可以采用STAR法则（情境-任务-行动-结果），清晰阐述项目背景、个人职责、具体行动和量化成果
• 回答技术问题时，先阐述核心原理，再结合自己的实践经验，最后可以提出对技术选型或优化的思考，展示深度
• 回答业务结合问题时，可以体现对制造业痛点的理解，并强调AI技术如何解决实际问题，创造价值
• 请详细介绍一下你主导或深度参与的一个AI项目，从问题定义、技术选型到最终落地的整个过程
• 在构建基于LLM的应用时，你是如何设计和优化RAG流程的？遇到了哪些挑战？
• 谈谈你对模型量化、蒸馏等轻量化技术的理解，以及它们在实际部署中的应用场景
• 你如何理解工业工程与AI结合的价值？你认为AI可以在哪些生产环节发挥作用？
• 请描述一个你通过数据分析或算法优化解决实际业务问题的案例