荣耀结构工程师综面：课题深挖、AI 提效与岗位认知

《面试题目》

1. 自我介绍，介绍学习情况和学生活动。
2. 硕士期间的核心课题是什么？你负责的核心业务是什么？
3. 监测得到的是什么信号？
4. 这个课题除了优点之外，创造性体现在哪里？
5. 数据采集和后续数据处理是怎么实现的？
6. 在课题之外，有没有积累其他能力、拓展新知识？算法或工具上有哪些拓展？
7. 数据采集是不是重复性统计类工作？
8. 随着 AI 大模型发展，有没有尝试用 AI 提升科研/学习效率？
9. 硕士期间除了实验搭建、检测、数据分析，还有其他课题业务吗？
10. 这个课题产生了什么价值或结果？有没有学术成果？
11. 讲一下第二段实习的感受。用什么类型电机？项目核心价值是什么？实习持续多久？
12. 脱产实习和在教研室做项目，感受上有什么区别？
13. 你对我们这个岗位有了解吗？
14. 反问：结构岗细分方向、工作强度、出差频率、谈薪流程。

《参考解析》

课题讲述：用“背景-问题-方案-验证-价值”五段式。先一句话说清应用场景（比如某类结构件的健康监测），再讲现有方案哪里不够（精度、实时性、成本、工况适应），然后讲你的方案（传感器选型、采集链路、信号处理算法、结构设计改动），接着给验证方式和数据（实验台、对照、误差、重复性），最后说价值（能提前发现什么故障、降本多少、有没有论文/专利）。面试官追问“创造性在哪”，要指出与已有工作的具体差异，而不是重复“我做了很多实验”。

信号与数据处理：先明确信号类型（振动、应变、温度、电流等）、采样率、噪声来源和有效频段；采集链路讲传感器 → 调理/放大 → ADC → 传输 → 存储，注意采样定理、同步和标定。处理上按“去噪（滤波/小波）→ 特征提取（时域统计、频域谱、包络）→ 特征选择 → 模型/阈值判定”讲，说明为什么选这些特征，以及怎么用留出集/交叉验证避免过拟合。数据采集不是重复劳动，如果做了实验设计、异常排查、标定和自动化脚本，就有工程价值。

AI 提效：可以讲用 AI 做文献综述、公式推导检查、代码生成（数据处理脚本）、图表整理、英文润色，但强调“结果要验证”。比如让模型生成 Python 处理脚本后，用已知数据核对输出；让模型总结文献后，回查原文。面试官想听的是你有没有主动改进流程，而不是会不会打开聊天框。

实习与岗位认知：第二段实习讲清电机类型（直流/步进/伺服/无刷）、你负责的结构或测试部分、项目核心指标（扭矩、噪声、寿命、良率）和你的贡献。脱产实习与教研室项目的区别可以答：企业有明确交付节点、跨部门协作和成本约束，学校更自由但缺少工程评审。结构岗细分要能说出结构设计（建模、仿真、疲劳）、机构（电机、转轴）、工艺、可靠性、材料等方向，并说明自己匹配哪一类。

反问与工作强度：问团队主要产品（平板/PC/智能硬件）、新人培养、结构岗的分工边界；工作强度问“项目忙季的作息、周六是否常态化加班、出差大概占比”，面试官的回答要记下来做判断。谈薪流程可以问“是统一告知还是有个别沟通”，但不要在第一轮就纠缠数字。