蔚来
实习实习-数字化工程师-工业数据治理与BI运营
合肥 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 基础背景
- 本科及以上学历，计算机科学与技术、软件工程、人工智能、自动化、数据科学、智能制造、光学工程等相关专业的应届毕业生优先
- 核心技术能力（开发+数据+视觉）
- 编程开发能力：熟练使用Python，了解C#/C++等工业开发语言；有完整的代码开发经验，能独立完成脚本/工具的编写、调试与文档输出；熟悉Git版本管理、开发流程优先。
- AI视觉算法基础：了解OpenCV、YOLO等常用计算机视觉算法，有目标检测、图像分类、缺陷识别、OCR等相关课程设计/竞赛/项目经验优先；熟悉PyTorch/TensorFlow等深度学习框架，能完成简单模型的训练、优化与部署。
- 数据处理能力：熟练使用SQL进行数据查询与分析，掌握Pandas、Numpy等数据处理工具；了解数据标注、数据清洗、数据治理的基本流程，能协助完成工业产线数据的标准化与质量管控。
- 工业场景适配：了解MES、SCADA等工业系统基础概念，有智能制造、工业互联网、产线自动化相关项目/实习经验者优先。
- 综合素质
- 具备良好的跨部门沟通能力，能主动配合产线、工艺、质量团队推进项目落地
- 学习能力强，愿意快速学习汽车制造工艺、工业软件、产线自动化相关知识
- 做事严谨细致，对数据质量、模型精度有高要求，有较强的责任心与抗压能力。
岗位描述
- 1、负责工厂产线的数字化运营支持，参与产线视觉检测、AI质检相关系统的日常运维与优化；
- 2、协助新工厂数字化项目实施，参与产线视觉检测方案的落地、调试与迭代；
- 3、协助工业数据治理，对产线视觉采集数据进行清洗、标注与质量管控，支撑模型迭代；协助工业数字化模型构建，参与AI视觉算法（目标检测、图像分类、缺陷识别等）的训练、部署与验证；
- 4、配合产线、工艺团队，解决实际生产中的视觉检测、AI识别类问题，提升产线自动化率与良品率。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。