算法工程师

岗位内容：
一、核心职责
1.算法研发与优化
负责图像分类、语义分割、目标检测、实例分割等计算机视觉算法的研发与性能调优，支持安防监控、工业检测等场景落地。
基于深度学习框架（PyTorch/PaddlePaddle）实现算法原型，优化模型精度、速度和资源占用（如参数量、FLOPs）。
针对NVIDIA Jetson系列硬件（如Jetson AGX Orin、TX2）以及其他边缘计算和服务器硬件设备进行模型部署优化，包括量化、剪枝、TensorRT加速等。
2.工程化落地
开发跨平台（Linux/Windows）的C++推理引擎，集成模型推理、后处理逻辑和性能分析工具。
设计并实现高并发视觉处理流水线，结合多线程/异步编程优化端到端延迟。
使用Qt框架开发算法效果Demo，便于调试算法和像客户快速提供能力展示。
3.数据与系统维护
构建和管理大规模视觉数据集，设计数据增强策略和自动化标注流程。
确保算法在嵌入式设备上的稳定运行和版本迭代。
编写和维护技术文档。
二、技能要求
1.深度学习与数学基础
精通卷积神经网络（CNN）、Transformer架构及其变体（如Swin Transformer、ViT）。
熟悉损失函数设计、优化器选择（如AdamW、SGD+Momentum）和学习率调度策略。
理解模型压缩技术（知识蒸馏、稀疏训练）和硬件加速原理（CUDA、OpenVINO）。
2.框架与工具链
熟练使用PyTorch或PaddlePaddle进行模型训练，掌握分布式训练（DDP）和混合精度训练。
深入理解Ultralytics YOLO系列（YOLOv5/v8/v11）、MMDetection等开源项目，能快速复现和改进算法。
熟练使用OpenCV进行图像预处理和后处理，熟悉DALI、Albumentations等数据加载库。
3.硬件与部署
有NVIDIA Jetson系列开发经验，熟悉Jetson开发环境和CUDA Toolkit，掌握TensorRT模型转换与优化，能编写自定义CUDA内核加速关键算子。
了解ARM架构（如RK3588、 Xavier NX）和异构计算（CPU+GPU+NPU）部署方案。
4.编程与开发
掌握精通C++11/14/17/20，熟悉多线程编程（std::thread、OpenMP）和内存管理优化。
掌握Python高级特性（如装饰器、生成器）和科学计算库（NumPy、SciPy）。
熟悉Linux系统开发环境（Bash脚本、GCC/G++编译、GDB调试）。
5.系统设计
能设计模块化、可扩展的算法框架，支持热更新和动态加载模型。
理解实时系统时序约束，具备性能瓶颈分析和调优经验（如perf、NVTX）。
三、加分项
熟悉视觉大模型（CLIP，SAM，DINO等）和视觉语言大模型（VLM）。
有安防监控、工业缺陷检测、OCR视觉项目经验。
获得相关职业技能认证书。
发表过高水平专业论文，或参与过Kaggle/天池等竞赛并获奖。
维护过开源视觉项目（如贡献代码、撰写文档）。
熟悉Web开发（Flask/Django）或移动端开发（Android NDK），能构建完整产品原型。
了解Docker容器化和Kubernetes集群管理。
四、软性要求
1.问题解决能力
能通过日志分析、可视化工具（如TensorBoard、W&B）快速定位模型训练或部署问题。
具备硬件选型经验（如摄像头、传感器），能评估性能与成本的平衡。
2.沟通与协作
能编写清晰的技术文档，向非技术人员解释算法原理和限制。
适应敏捷开发流程，与硬件、测试团队紧密配合推动项目落地。
3.学习与创新
关注前沿论文（如arXiv、Papers With Code）和行业动态（如GTC大会新技术）。
主动探索新技术在业务场景中的可行性（如扩散模型生成数据、NeRF重建3D场景）。