The posting
1、AI模型数据支持:参与制造现场视觉检测等AI模型的数据准备与迭代,涵盖样本采集、清洗、标注规范制定、数据标注、质量校验及样本集维护,协助推动多模态/视觉模型在质量检测、缺陷识别场景落地; 2、视觉检测数据分析:基于视觉检测、人工复判及生产过程数据,评估模型与视觉方案的准确率、漏检率、误检率、稳定性等关键指标,分析异常波动原因,支持模型、算法、设备及工艺的持续优化; 3、数据治理与多维分析:协助搭建制造数据链路,完成设备、工站、视觉系统及质量数据的采集、清洗、标准化与关联;围绕良率、缺陷分布、工站表现、设备状态、过程能力等维度开展描述性统计与专项分析,识别质量风险与改善方向; 4、可视化与报告输出:参与建设生产质量与视觉检测数据看板,定期输出分析报告,将复杂数据转化为清晰、直观、可执行的结论; 5、项目参与与跨部门协同:参与从需求调研、方案设计、现场数据验证、试生产到量产导入的数据项目全过程;协同算法、设备、工艺、质量及生产团队推动分析结论落地,承接临时性数据分析与专项支持任务。
1、教育背景:本科或研究生在读,自动化、机器视觉、工业工程、电子信息、机械电子工程、测控技术与仪器、计算机科学与技术等相关专业优先; 2、数据分析与工具能力:熟练使用Excel(常用函数、透视表、数据清洗),掌握基础SQL(SELECT、JOIN、GROUP BY)完成数据查询与汇总分析,能通过数据评估视觉检测准确率、漏检率、误检率、稳定性及过程能力;有Power BI、Tableau、FineBI等BI工具使用经验者优先; 3、工业视觉与制造背景:了解工业视觉基本原理(工业相机、镜头、光源、图像采集、ROI等基础概念),对制造业、质量管理、AI视觉检测有兴趣;有工厂现场导入、试生产、量产导入或制造现场实习/项目经验,或缺陷检测、目标识别、图像分类、OCR等视觉AI项目经历者优先; 4、综合素质与实习要求:数据敏感度强,逻辑清晰、责任心强、细致严谨,能将分析结果转化为易理解、可执行的结论并与跨职能团队有效协作; 5、实习出勤要求:每周实习不少于5天,实习期不少于3个月。



