AI数据岗

优缺点分析

角色解读

• 从AI数据工程师起步，逐步深入MLOps和模型工程化方向，成为AI工程化专家
• 可向数据科学、机器学习工程师或AI平台架构师方向发展，负责更复杂的模型和系统
• 在吉利汽车等大型制造企业，可结合业务场景，向智能制造、自动驾驶等垂直领域AI专家发展
• 负责AI训练数据的全生命周期管理，包括采集、清洗、标注和质量检查，构建高质量数据集
• 管理模型训练和推理过程中的日志与指标，参与AI评测体系建设，跟踪模型性能
• 支持LoRA/SFT等模型微调任务的数据准备和训练流程，并管理Docker/Kubernetes/GPU资源
• 掌握Python和SQL，具备数据处理基础，熟悉Linux、Docker、Kubernetes、Git等工具
• 了解机器学习、模型训练和评测的基本概念，对数据闭环和MLOps有认知
• 具备良好的逻辑思维和问题解决能力，能处理数据质量问题和优化数据流程

申请策略

• 关注吉利汽车在AI和智能化方面的业务布局，了解其数据平台和AI应用场景
• 面试时展示对数据闭环和AI工程化的热情，强调学习能力和动手能力
• 突出数据处理相关项目经验，如数据清洗、标注、特征工程等
• 强调Docker、Kubernetes、Linux等工具的使用经验，如有相关课程项目或实习经历
• 展示对MLOps、模型训练和评测的理解，如有相关项目或论文更佳
• 提前学习Docker和Kubernetes的基础操作，了解MLOps基本流程
• 熟悉Python数据处理库（如Pandas）和SQL查询，强化数据能力
• 了解LoRA、SFT等模型微调技术，掌握基础概念

面试指南

• 对于数据处理问题，采用STAR法则，描述背景、任务、行动和结果，突出数据质量把控
• 对于MLOps问题，先解释概念，再结合项目经验，说明数据、模型、部署的闭环
• 对于评测问题，从数据划分、指标选择、结果分析等角度回答
• 请描述一次你处理数据清洗或数据标注的经历，如何保证数据质量？
• 你对MLOps的理解是什么？在项目中如何应用？
• 如何设计一个AI模型评测方案？有哪些关键指标？
• 你使用过Docker或Kubernetes吗？请描述一个相关项目
• 你对LoRA或SFT了解多少？如何准备训练数据？