# 算法实习生

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 小米 (Stage unknown)
- Locations: 上海
- Role: Algorithm
- Apply on the official site: https://xiaomi.jobs.f.mioffice.cn/internship/position/7694106495844256063/detail

## Role description from source

1. 毫秒级信号数据预处理
负责高频秒级时序信号的清洗、降噪、归一化、分段对齐等数据处理工作，构建标准化的信号分析数据集，保障数据质量与后续分析的准确性。
2. 特征挖掘与模式沉淀
结合业务场景需求，从时域、频域、时频域等多维度挖掘信号的功能特征与异常模式，梳理特征与业务问题的关联规律，沉淀可复用的特征体系。
3. 大模型融合算法开发
基于大语言模型能力，设计并实现信号问题的自动定位、智能分类、辅助根因分析等算法方案，探索大模型在时序信号分析场景的落地路径，提升问题排查效率。
4. 分析工具开发与优化
将算法能力封装为可复用的分析工具、脚本或可视化功能，支撑业务团队的日常问题排查与数据分析需求，持续优化工具的易用性与分析效果。
5. 业务需求对接与迭代
深度理解业务场景与痛点需求，协同业务、研发团队对齐算法目标，根据业务反馈持续迭代优化特征体系与算法方案。
任职要求
1. 本科及以上在读学生，计算机科学与技术、电子信息、自动化、统计学、数学等相关专业，2027 届及以后毕业生优先。
2. 具备扎实的数据处理能力，熟练使用 Python 语言，精通 Pandas、NumPy 等数据处理库，能够独立完成时序数据的清洗、统计与分析工作。
3. 掌握机器学习、深度学习基础理论，熟悉分类、异常检测、时序分析等常见算法，有相关项目、竞赛或科研经验者优先。
4. 了解主流大语言模型的使用逻辑与调用方式，有 Prompt 工程、大模型 API 开发、RAG 应用等相关经验者优先。
5. 具备良好的业务理解能力与逻辑思维，能够快速拆解业务需求并转化为可落地的算法方案，有较强的沟通协作与问题解决能力。
6. 实习保障：每周可到岗 4 天及以上，实习周期不少于 3 个月，可长期实习者优先。
加分项
- 有时序信号处理、故障诊断、工业监控、运维 AIOps 等相关领域项目或研究经验
- 熟悉 SciPy、PyWavelets、librosa 等信号处理工具库，有信号特征工程实战经验
- 熟悉 PyTorch、TensorFlow 等深度学习框架，有模型微调、小模型蒸馏相关经验
- 有大模型 Agent 开发、数据分析工具化产品、可视化看板开发经验
- 具备较强的工程落地能力，能够独立完成从算法原型到工具化输出的全流程
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_125", "en_name": "Shanghai", "i18n_name": "上海", "location_type": 3, "mdm_code": "MDCY00000002", "name": "上海", "node_status": 1, "py_name": "shanghai"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 3, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}}

---
opening_id: b9631ebf-09da-47f5-b8e5-25064b2e20a6

`anm openings save --id b9631ebf-09da-47f5-b8e5-25064b2e20a6`