小米 – 高级算法工程师 职位分析和面试指导

职位描述：

1. 通过对海量车辆运行日志的深度解析，提取关键信息，包括车辆故障码、传感器数据、驾驶行为数据等，为故障诊断提供数据支持。
2. 运用数据挖掘技术，如聚类分析、关联规则挖掘等，发现车辆日志中的潜在模式和异常行为，提前预警潜在故障风险，为预防性维护提供依据。
3. 构建车辆故障诊断方案检索系统，基于车辆故障特征和历史维修记录，快速检索出与当前故障相似的诊断方案和维修案例，为诊断人员提供参考。
4. 运用大语言模型、机器学习算法，优化存量远程诊断案例方案推荐，针对存量方案库生成新的方案，提高诊断效率和准确性。

职位要求：

1. 计算机、电子、数学、机器学习或者统计学相关专业，本科以上学历；5年以上机器学习、深度学习、大模型微调、推理建模经验。有诊断算法实施经验者优先。
2. 精通 Python 编程语言，熟悉常用的数据结构与算法，具备良好的代码编写习惯和代码优化能力，确保算法代码的可读性、可维护性和高效性。
3. 了解机器学习算法原理，包括监督学习、无监督学习、强化学习等，能够运用机器学习算法解决车辆故障诊断中的分类、预测等问题。
4. 熟练掌握至少一种深度学习框架（如 TensorFlow、PyTorch 等），深入理解神经网络的基本原理与架构，包括但不限于循环神经网络（RNN）、卷积神经网络（CNN）、Transformer 等在远程诊断领域的应用，能够灵活运用这些框架搭建、训练和调优模型。
5. 了解常用大模型如Qwen,GLM，Baichuan等，能够通过Prompt调优提升推理精度，并对大模型微调技术如LoRA,P-Tuning等有实践经验；有RAG框架实施经验。
6. 能够使用大模型对车辆故障诊断过程中的诊断方案和维修案例进行总结与分析，提取共性特征和关键步骤，形成标准化的诊断流程和知识库。
7. 运用文本挖掘和机器学习技术，对诊断方案进行优化和改进，提高方案的普适性和有效性，能够基于车辆故障特征、历史维修记录和知识库，自动生成个性化的诊断方案，实现诊断过程的自动化和智能化。
8. 有车辆日志挖掘经验，能够从海量车辆日志数据中提取有价值的信息。

招聘部门：

小米

工作地点：

上海市 ID：A118837

面试建议：

这个高级算法工程师职位最显著的特点是它需要同时具备三个领域的专业能力：传统的机器学习算法开发、大语言模型的应用调优，以及特定领域(车辆故障诊断)的经验。面试官会特别关注你在车辆日志处理方面的实际经验，因为这是该职位的核心工作内容之一。 在准备面试时，建议重点准备三个方面的内容：首先是你处理过的车辆日志或类似时序数据的项目经验，要能详细说明数据特征提取和异常检测的具体方法；其次是大语言模型微调的实际案例，特别是LoRA或P-Tuning等技术在具体业务场景中的应用；最后是故障诊断算法相关的知识，包括如何将机器学习应用于诊断流程优化。面试中可能会要求你现场分析一段车辆日志数据，或者设计一个故障诊断方案检索系统，因此提前准备一些相关案例会很有帮助。