职位描述：
1. 主导完成AI在电动汽车智造领域的关键技术预研、业务攻坚工作；
2. 运用大数据、人工智能和运筹优化等先进数字技术，深入挖掘和分析海量汽车工厂制造数据，建立模型，解决制造领域遇到的问题，提高生产效率，降低成本；
3. 主导汽车工厂侧算法项目，包括但不局限于生产计划，排产排程，人员排班，智能帮助机器人等项目，不断完善和优化算法，以技术驱动公司业务成长，体现技术价值；
4. 主导汽车舆情产品算法建设，包括标签分类，情感分类，热词提取等，辅助完成汽车舆情管理闭环。
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；8年以上机器学习、数据分析、运筹优化经验；
2. 精通一门或多门开发语言（C++、Python和Java等），熟练掌握常用数据结构和算法；
3. 熟悉常用机器学习和数据挖掘算法，包括但不限于树模型、支持向量机、线性回归、逻辑斯谛回归以及深度学习算法；
4. 熟悉常用运筹优化算法，如线性规划，整数规划，图论算法，动态规划等，并能够使用Or-tools等运筹优化算法包；
5. 了解常用大模型如Qwen,GLM，Baichuan等方法论，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；
6. 熟练掌握一种数据库，例如MySQL，精通SQL语言，并有实际开发经验；熟悉运用Hadoop/Spark/HBase/Hive等大数据平台工具。
招聘部门：
小米
工作地点：
北京市、南京市 ID：A26133
面试建议：
这个岗位最显著的特点是要求候选人在算法深度和行业宽度上达到双重标准。不同于普通算法岗位，小米汽车特别强调大模型微调技术与传统运筹优化算法的融合应用，且所有技术必须服务于汽车制造的具体场景。面试官会重点考察你是否能将Qwen/GLM等大模型与排产排程等工业问题结合，这种跨界能力正是岗位的核心价值。 建议准备三个维度的案例：首先展示大模型微调经验，比如用LoRA技术优化某个垂直领域任务的案例；其次用STAR法则描述运筹优化项目，重点突出在汽车工厂环境中的降本增效成果；最后要准备技术选型的思考过程，例如为什么在某个场景选择动态规划而非深度学习。特别注意携带能体现算法落地能力的材料，比如降低X%生产成本的量化报告，这比单纯讨论算法原理更有说服力。
在线咨询
请输入您的问题：
提示：由 AI 生成回答，可能存在错误，请注意甄别。