蔚来
实习实习-AI 数据开发
上海 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 热爱计算机科学与互联网技术，具备扎实的编程基础，具备快速学习和探索新技术的能力
- 至少熟悉一种分布式计算或大数据处理平台（如 Hadoop、Spark、Hive、Storm、Kafka 等）
- 熟悉 AI 应用相关技术，包括提示词工程（Prompt Engineering）、上下文工程等，有智能体（Agent）开发经验者优先
- 有开源项目参与经验并对社区有实际贡献者优先；有互联网公司实习经历或数据分析/用户行为分析经验者优先
- 硕士及以上学历，计算机或相关专业， 2027 年毕业
- 实习周期不少于 6 个月，每周出勤不少于 4 天。
岗位描述
- 1. 基于大模型（LLM）开展数据分析类智能体的设计、开发与案例实践，探索 AI 在数据领域的创新应用；
- 2. 参与面向 AI 的数据语义治理体系建设，打造适配大模型的数据与知识体系；
- 3. 围绕数据智能应用场景，构建业务流程相关的知识图谱，提升数据理解与应用效率；
- 4. 负责数据模型设计及数据与知识的 ETL 开发，支持多业务场景的数据需求；
- 5. 参与构建统一的数据服务与 AI 消费层解决方案，提升数据资产的可用性与价值转化能力。
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 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
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。