长鑫存储半导体数据科学(J17346)
任职要求
学历要求：硕士及以上，博士优先 专业要求：计算机、统计学、应用数学、数据科学、信号处理、通信、自动化、电子信息类等相关专业；交叉学科类：生物医学工程：医学影像处理（如病理切片AI分析）、材料物理：材料特性模拟与机器学习结合 其它要求： 1.通过CET-4，具备良好的英文听说读写能力。 2.具备扎实的理论知识，久经考验的文献研究和沟通表达能力；学习和解决实际问题的能力出众 3.对机器学习、深度学习和当前流行的大模型技术（包括但不限于CV、NLP、语音和时序分析等领域）有实际的项目经历；熟悉常用的数据挖掘和机器学习算法，如回归、分类、聚类、推荐、深度学习等 4.动手和编程能力强，熟练使用PyTorch、TensorFlow、HuggingFace等深度学习框架；熟悉Linux平台开发；具备数据库和大数据挖掘方面的知识 5.了解多模态、大模型、AIGC、GPT等技术原理，有丰富的深度学习项目经验优先 6.具有较强的逻辑思维和问题解决能力，能够从数据中发现洞察和价值 7.热爱探索AI前沿技术，对技术创新充满热情，敢于挑战自我，勇于突破常规；具有颠覆性创新潜力、团队精神和良好的沟通能力；对大语言模型有浓厚的兴趣，较强的自我驱动学习能力 8.熟悉微电子、集成电路设计、物理等方向优先，有志于通过持续学习与实践，成为半导体领域的数科专家的开拓者 9.优先考虑以下背景亮点： 发表过高水平的论文，包括但不限于CVPR、ECCV、NeurIPS、ICML等（注：NIPS现为NeurIPS） 曾荣膺Kaggle竞赛奖项、ACM竞赛奖项 曾于数学建模中获奖
工作职责
1.主导技术研发与优化： 设计并实施统计推断、实验设计（DOE）、机器学习、深度学习及大语言模型（LLM）算法，包括预训练模型调优和指令微调等核心技术，以抽象和解决半导体业务中的核心数学问题（如良率提升、性能优化、可靠性增强） 开发自动化方案（使用Python、R等工具进行原型开发），实现数据分析、模型训练和预测的自动化，支持设计验证、制造和测试环节的高效决策 2.赋能业务与效率提升： 对接业务需求，构建定制化AI/ML解决方案（如大语言模型应用），挖掘多源异构数据，全面提升数据整合、基础设施和计算能力，以驱动研发效率、良率和质量改进 研发智能化工具和系统（例如数据分析平台或模型部署框架），协助各部门实现数据驱动的优化，缩短研发周期并降低成本 3.洞察前沿与技术转化： 密切关注AI和半导体领域的最新动态（如大模型进展），将前沿技术转化为实际应用，推动公司技术边界的持续拓展 确保技术方案与半导体设计研发、生产制造和封装测试流程紧密结合，实现端到端的效率提升
1. 清楚了解生产排货rule，识别派工问题； 2. 对process flow有基本了解，提前预警； 3. key group (B/N tool) define 和move 达成tracing； 4. 产线constraint 梳理以及提出需求； 5. 分析数据，整理报告汇报产线issue。
1.负责半导体研发过程中相关工程数据分析系统、算法及工具的设计与开发，帮助提高研发效率和缩短新产品研发周期。 2.负责与设计/器件/工艺/整合/可靠性/缺陷与量测/IT等相关部门合作，进行工程数据分析系统的项目管理，完成需求梳理，产品设计与规划，推动系统开发与落地，产生业务价值。 3.负责针对特定研发领域工程问题，进行数学建模，统计建模，优化求解，数据挖掘，数据分析，解决实际问题。然后进一步抽象出方法论，通过系统化，高效解决类似问题，加速研发。 4.负责进行半导体图像数据处理，使用OpenCV等传统视觉工具，快速提取针对特定问题特征，实现高信噪比指标来表征工程问题，加速研发。 5.负责开发、优化和落地应用前沿的人工智能模型与算法，包括深度学习、机器学习方面，提升半导体制造领域的图像分类、检测与分割、时间序列数据预测与异常检测等方面的系统性能，提升工程分析效率与能力。 6.负责开发、优化和落地应用前沿的人工智能LLM/多模态智能体Agent技术，实现智能解决方案，提升工程分析效率与能力。 7.负责工程数据分析系统前沿web前后端、数据处理技术与框架的调研、应用与改造，满足复杂工程数据分析场景的需求。 8.负责制定数据分析系统演进路线图和推动系统落地和反馈分析。 9.负责数据科学团队的发展，增强团队能力与凝聚力。
1.负责研发工程分析系统的设计、数据处理、算法与功能开发，用数据科学的方法与工具，提高研发效率和缩短新产品研发周期 2.负责与设计/器件/工艺/整合/可靠性/缺陷与量测/IT等相关部门合作，进行工程数据分析系统的项目管理，完成需求梳理，产品设计与规划，推动系统开发与落地，产生业务价值 3.负责针对特定研发领域工程问题，进行数学建模，优化求解，统计建模，数据挖掘，数据分析，解决实际问题。然后进一步抽象出方法论，通过系统化，高效解决类似问题，加速研发 4.负责进行半导体图像数据处理，使用OpenCV等传统视觉工具，快速提取针对特定问题特征，实现高信噪比指标来表征工程问题，加速研发 5.负责探索和落地应用前沿的AI模型与算法，包括深度学习、机器学习方面，提升半导体制造领域的图像分类、检测与分割等方面的系统性能，提升工程分析效率与能力 6.负责探索和落地应用前沿的AI方法，提升时间序列数据的异常检测，异常诊断等系统性能，提升工程分析效率与能力
也称数据科学家岗位，负责利用大数据和高级分析技术来解决半导体领域的复杂业务问题。 包括但不限于以下职责 1.收集和整合来自不同来源的生产数据，包括工艺参数、设备状态、质量检测结果等，清洗和预处理数据，确保数据的准确性和完整性。 2.进行数据探索和分析，发现数据中的模式和趋势，识别影响生产效率和产品质量的关键因素，使用统计方法和可视化工具，生成报告和图表，支持决策制定。 3.与业务团队紧密合作，理解业务流程，将业务问题转化为数学模型，提供优化解决方案。 4.跟踪最新的数据科学和机器学习技术发展，进行相关技术研究和创新；推动新技术在半导体生产中的应用，提高生产效率和质量。 5.参与算法的测试、评估和优化，确保算法的稳定性和高效性。 6.与跨部门团队合作，确保技术方案的可行性和业务价值。