职位描述：
工作内容：
1.负责整车热管理与能耗预测算法研发、用机器学习算法对整车热管理与能耗进行预测
2.设计并开发时序预测模型；
3.参与完整的数据分析流程：数据清洗、特征工程、模型选型与调优、结果可视化及落地部署；
4.探索前沿时序算法；
5.与业务团队协作，推动模型在真实场景中的价值落地。
职位要求：
任职要求
基础技能：
1.自动化、车辆工程、机械、能动、计算机科学或相关专业本科及以上学历；
2.熟练掌握Python及常用库（Pandas、NumPy、Scikit-learn、PyTorch/TensorFlow）；
3.熟悉机器学习基础理论及经典时序预测模型（如ARIMA、RNN、LSTM、transformer等）。
项目经验（满足至少一项）：
1.曾参与时序预测相关项目，有实际建模经验（学术研究/比赛/企业项目均可）；
2.理解时序数据特性（季节性、趋势性、噪声处理等），熟悉差分、滑动窗口等预处理方法；
3.了解深度学习在时序领域的应用（如TCN、Transformer时序变体）。
加分项：
1.具有整车能耗分析、热管理能耗分析等相关知识；
2.有Kaggle/KDD Cup等时序相关比赛经验；
3.发表过时序预测相关论文或开源项目贡献。
招聘部门：
小米
工作地点：
北京市
面试建议：
面试小米的深度学习算法工程师实习生职位，你需要特别关注时序预测模型和整车热管理与能耗分析的能力。这个职位不仅要求你掌握基础的机器学习理论和Python编程，还需要你对时序数据有深入的理解，包括季节性、趋势性和噪声处理等特性。此外，如果你有整车能耗分析或热管理相关的经验，这将是你的加分项。 在准备面试时，建议你重点复习时序预测模型的相关知识，特别是ARIMA、RNN、LSTM和Transformer等经典模型。同时，准备一些你参与过的时序预测项目，无论是学术研究、比赛还是企业项目，都可以展示你的实际建模经验。如果你有Kaggle或KDD Cup等比赛的参赛经验，或者发表过相关论文，一定要在面试中提及。面试官可能会问及你如何处理时序数据的预处理，如差分和滑动窗口等方法，所以确保你对这些技术有清晰的理解并能举例说明。