崗位職責(zé)
1. 算法研究與優(yōu)化:負(fù)責(zé)目標(biāo)檢測(如YOLO系列)、圖像分割(如U-Net、DeepLab、Transformer-based分割模型等)、變化檢測(如ChangeNet、BIT等)算法的核心技術(shù)研究、改進(jìn)與創(chuàng)新,提升模型精度、速度及泛化能力。
2. 大模型與知識庫開發(fā):參與視覺大模型(如ViT、SAM、CLIP)、專家知識庫的構(gòu)建與訓(xùn)練,探索提示學(xué)習(xí)、檢索增強(qiáng)生成(RAG)等技術(shù),實(shí)現(xiàn)專家知識與深度學(xué)習(xí)模型的融合。
3. 工程化與代碼開發(fā):基于Python(PyTorch/TensorFlow框架)完成算法原型開發(fā)、模型訓(xùn)練/部署代碼編寫。
4. 技術(shù)調(diào)研與文檔沉淀:跟蹤前沿技術(shù)動態(tài),完成技術(shù)調(diào)研報(bào)告;撰寫算法文檔、專利申請材料,支撐團(tuán)隊(duì)技術(shù)積累。
任職要求
1. 學(xué)歷背景:計(jì)算機(jī)科學(xué)、軟件工程、電子工程相關(guān)專業(yè)碩士及以上學(xué)歷。
2. 專業(yè)技能:
(1) 機(jī)器學(xué)習(xí)/深度學(xué)習(xí)理論:熟練掌握機(jī)器學(xué)習(xí)基礎(chǔ)(線性回歸、SVM、決策樹等)及深度學(xué)習(xí)核心(CNN、Transformer等),理解目標(biāo)檢測、圖像分割、變化檢測的經(jīng)典算法原理(如Anchor機(jī)制、FPN、Loss函數(shù)設(shè)計(jì)等)。
(2) 編程與工具:精通Python編程,熟悉PyTorch/TensorFlow至少一種深度學(xué)習(xí)框架,掌握OpenCV、NumPy、Pandas等數(shù)據(jù)處理工具,具備獨(dú)立實(shí)現(xiàn)復(fù)雜算法代碼的能力。
(3) 大模型與知識庫:了解視覺大模型(如ViT、SAM)或多模態(tài)模型(如CLIP)的基本原理,有知識庫構(gòu)建(如知識圖譜、向量數(shù)據(jù)庫)、RAG應(yīng)用經(jīng)驗(yàn)者優(yōu)先。
3. 項(xiàng)目經(jīng)驗(yàn):具備以下至少一項(xiàng)經(jīng)驗(yàn):
(1) 目標(biāo)檢測/分割/變化檢測相關(guān)項(xiàng)目(如遙感影像分析、工業(yè)質(zhì)檢、醫(yī)療圖像分割等),有模型落地(嵌入式部署、服務(wù)化API)經(jīng)驗(yàn)者優(yōu)先;
(2) 專家知識庫構(gòu)建與應(yīng)用,熟悉模型推理優(yōu)化(TensorRT、ONNX)技術(shù)者優(yōu)先。
4. 軟技能:具備良好的問題分析與解決能力,較強(qiáng)的學(xué)習(xí)能力和技術(shù)熱情,良好的團(tuán)隊(duì)協(xié)作與溝通能力,能承受一定工作壓力。