长鑫存储智能产品验证研发(J17324)
任职要求
学历要求：博士 专业要求：微电子、计算机科学、AI、数学、电子信息工程等相关专业 其他要求： 1.专业背景： -精通数字、模拟电路验证方法论，熟悉UVM、SystemVerilog等验证框架 -具备AI在EDA验证领域的研究经验，如：强化学习生成测试向量、图神经网络优化时序收敛等 2.工具与技能： -熟练使用Python、Perl、TCL，掌握PyTorch、TensorFlow框架，有EDA工具（如Synopsy…
工作职责
1.AI验证工具开发： -研发基于大模型的智能验证工具，覆盖功能验证、时序验证及物理验证全流程，提升验证效率与精度。 -构建AI驱动的自动化测试生成系统，优化验证覆盖率并缩短验证周期。 2.缺陷预测与根因分析： -开发缺陷智能预测模型，通过数据挖掘与模式识别减少漏检/误检，实现验证结果精准溯源。 -验证流程优化，提前规避设计风险，降低后期迭代成本。 3.验证流程重构： -主导AI与传统EDA验证工具（如VCS、QuestaSim）的深度集成，推动验证流程标准化与智能化。 -探索形式化验证（FormalVerification）与AI结合的创新方法，突破复杂场景验证瓶颈。 4.跨领域协作： -联动设计团队、工艺团队及AI算法团队，推动验证工具落地适配。 -沉淀验证知识库，形成可复用的验证策略与案例模板。
1.前瞻性测试系统开发： -构建面向未来DRAM产品的智能测试平台，攻克超高速接口测试、3D堆叠结构（TSV）多物理场耦合分析等难题。 -研发AI驱动的动态测试策略引擎，实现测试用例自动化生成与覆盖率实时优化，测试效率提升。 2.缺陷预测与根因溯源： -开发基于深度学习的缺陷预测模型，提前识别潜在失效模式。 -构建多维度测试数据湖，融合电性参数、工艺波动与可靠性数据，实现缺陷根因的毫秒级定位。 3.测试流程创新： -主导AI与传统测试设备的深度集成，推动测试向量自主优化与自适应校准。 -开发面向存算一体（PIM）架构的功能-性能联合测试框架，突破近存计算场景下的验证瓶颈。 4.跨领域协同与标准制定： -联动设计团队建立测试约束左移机制，在架构设计阶段介入风险验证。 -参与JEDEC/IEEE测试标准制定，主导超低电压（VLP）测试方法论与车规级DRAM（AEC-Q100）可靠性验证规范提案。
1.AI工具开发与整合： -基于大模型技术（如NLP、强化学习），开发智能设计辅助工具，帮助Junior工程师快速提升设计能力，缩短学习周期。 -推动DTCO（设计-技术协同优化）、DFM（可制造性设计）、DFY（可良率设计）系统的AI化落地，实现设计自动化验证。 2.设计流程优化： -构建智能根因溯源系统，通过数据分析和AI算法快速定位设计缺陷，提升问题解决效率。 -优化电路设计全流程，缩短设计周期，主导约束驱动的设计方法学创新。 3.跨部门协作与落地： -与EDA工具团队、制造工艺团队紧密合作，推动AI工具在实际生产环境中的部署与应用。 -撰写技术文档和案例库，赋能团队技术能力提升。 4.前沿技术研究： -跟踪AI+EDA领域国际最新进展（如生成式设计、自适应优化算法），主导技术预研与专利布局。
算法工程师 1.基于滴滴交通出行业务，构建完整的打车智能化运营策略解决方案，包括但不限于增长策略、定价策略、供需预测、资源分配策略等各类丰富场景； 2.承担网约车业务核心业务指标，使用运筹优化、机器学习、因果推断等技术持续优化超大规模动态双边市场的交易效率。 计算机/应用数学/计量经济学/统计学相关专业，研究生/本科，2023年毕业 编程基础扎实，至少熟悉python/scala/R等编程语言之一 熟悉常用的机器学习与数据挖掘方法 熟悉常用统计理论与分析方法，数理逻辑好，具有一定的数据分析能力 有较强的学习能力和好奇心，自驱性强，具备良好的团队合作和沟通能力 加分项： 1. 有计量经济学/因果推断方向相关背景优先 2. 有运筹优化/收益管理相关背景优先 3. 有深度学习相关背景优先 4. 有SQL、Hadoop、Spark、Hive、TensorFlow相关经验优先
1. 负责滴滴金融保险风险场景的模型设计、建设、开发、应用落地、持续迭代优化，为业务风险指标负责。 2. 拆解业务风险指标，转化为模型指标，并为之设定合理的提升目标 3. 尝试各类特征工程方法，挖掘集团内外部数据，加工生成有效特征，优化模型效果 4. 数据算法创新，了解并跟进业界领先的人工智能和深度学习进展，推动新的技术在风控领域落地