数智化工艺开发工程师（数据/算法）

优缺点分析

角色解读

• 可向资深数据科学家或算法专家方向发展，深耕工业AI领域
• 可转向工艺数智化架构师或技术管理岗位，负责更大范围的系统建设
• 在新能源头部企业积累经验后，可向其他智能制造企业或咨询公司发展
• 负责模组/PACK工艺制程数据的分析与决策支持系统开发，包括数据接入、清洗、分析和可视化
• 构建工艺数据挖掘、质量预测、异常识别等算法模型，支撑工艺优化和质量改善
• 推动AI编程/Agent工具在业务场景中的应用，提升工艺分析、问题定位和文档编制效率
• 与工艺、质量、设备、IT等部门协同，推动数据算法在业务中的落地
• 熟练掌握Python和SQL，具备数据处理和脚本开发能力
• 熟悉Pandas、NumPy、Scikit-learn等数据分析与建模工具
• 了解AI编程工具（如OpenCode、Claude Code）并有实际应用经验者优先
• 具备工业数据分析经验，熟悉常见算法场景（分类、聚类、回归、异常检测等）

申请策略

• 在简历中强调对新能源行业的兴趣和理解
• 准备一个工业数据分析的项目案例，展示从数据到决策的完整流程
• 突出Python和SQL技能，尤其是数据处理和建模项目经验
• 展示工业数据分析或制造场景的项目案例，如质量预测、异常检测等
• 强调AI工具的使用经验，如OpenCode、Claude Code，体现技术前沿性
• 体现跨部门协作和项目推进能力，如推动算法落地的案例
• 学习工业数据分析常用算法，如异常检测、时间序列分析
• 熟悉AI编程工具的使用，提升开发效率

面试指南

• 使用STAR法则：情境、任务、行动、结果，清晰描述项目经验
• 强调数据驱动的决策思路，结合业务场景说明算法价值
• 展示对AI工具的学习能力和实际应用，体现技术前沿性
• 请描述一个你处理过的工业数据分析项目，如何设计算法模型？
• 你如何理解工艺数据与质量指标的关系？
• 你使用过哪些AI编程工具？如何提升开发效率？
• 如何与工艺、质量等非技术部门沟通需求？
• 你对宁德时代和新能源行业有什么了解？