C++算法工程化实现工程师（支持CUDA加速）

岗位职责
算法工程化实现
将 MATLAB/ Python 原型代码迁移并优化为高性能的 C++ 程序，保证结果一致性和稳定性。
对深度学习模型进行推理端工程化部署，包括模型格式转换（ONNX/TensorRT）、接口封装和性能优化。
参与算法从实验室版本到产品版本的落地过程，确保可维护、可扩展、可交付。
性能优化与加速
使用 CUDA 编程对关键算法模块进行 GPU 并行化与加速。
优化内存管理、线程并行、数据传输等性能瓶颈，提升算法在嵌入式/服务器端的运行效率。
针对实时性要求的应用场景，提出并实现加速方案。
工程化与集成
提供模块化、可复用的 C++ 算法库接口，支持与现有系统的集成。
撰写清晰的技术文档和使用说明，协助测试与维护。
与算法研发、硬件和产品团队紧密合作，推动算法的工程化闭环。
任职要求
学历背景：计算机、电子工程、应用数学等相关专业，本科及以上。
专业技能：
精通 C++ 编程，熟悉常用设计模式和工程化开发流程。
熟悉 MATLAB/ Python 算法原型代码，可快速理解并迁移到 C++。
熟悉 CUDA 编程和 GPU 并行计算，有性能优化经验。
熟悉至少一种深度学习框架（PyTorch / TensorFlow），掌握模型导出与推理部署流程（如 ONNX、TensorRT）。
加分项：
有 CT/图像处理/计算机视觉相关项目经验。
有大型工程或产品级软件开发经验。
熟悉跨平台编译、CMake、CI/CD 工程化工具链。
软技能
良好的代码规范意识与文档撰写能力。
具备团队协作精神，能够在跨部门合作中解决问题。
自驱动，能够独立承担任务并持续优化实现方案。