算法工程师（上海）

优缺点分析

角色解读

• 从实习到正式AI工程师，深入掌握计算机视觉与大模型技术
• 可向算法专家或技术leader方向发展，负责核心算法研发与落地
• 积累央企项目经验，未来也可转向互联网或AI创业公司
• 参与计算机视觉算法的研发与优化，包括目标检测、图像分类、视频理解等核心任务
• 协助多模态大模型的微调，提升模型在特定场景下的性能
• 负责数据集的清洗、标注及数据增强，支持模型训练
• 完成算法的端侧部署与性能优化，实现模型在嵌入式设备上的高效运行
• 熟悉Python编程和深度学习基础理论，能够独立实现和调试算法
• 熟练使用PyTorch等深度学习框架，有实际项目经验者优先
• 了解计算机视觉常见任务（目标检测、图像分类等）及相关模型结构
• 具备嵌入式开发经验者优先，能够理解模型部署的基本流程

申请策略

• 在简历中量化项目成果，如提升了多少精度、推理速度优化了多少
• 面试前了解中国电信在AI领域的业务方向，如智慧城市、网络优化等
• 突出计算机视觉或大模型相关项目经验，尤其是使用PyTorch的实践
• 强调数据预处理、模型调参、性能优化等具体工作，展示解决实际问题的能力
• 如果有嵌入式开发经历，务必详细描述，这是该岗位的加分项
• 展示对CV领域经典模型和最新进展的了解，如YOLO、Transformer等
• 系统复习深度学习基础，特别是CNN、RNN、Transformer等核心网络结构
• 提前了解模型端侧部署工具，如TensorRT、ONNX、NCNN等

面试指南

• 对于项目类问题，采用STAR法则描述情境、任务、行动和结果，突出个人贡献和量化成果
• 对于技术原理问题，先给出核心定义，再对比不同方法，最后结合实例说明
• 对于部署问题，从模型转换、量化、剪枝、硬件适配等步骤展开，体现系统性思维
• 请介绍一下你参与过的计算机视觉项目，你主要负责哪些部分？
• 如何对模型进行超参数调优？你常用哪些方法？
• 目标检测中，YOLO系列和Faster R-CNN各有什么优缺点？
• 什么是多模态大模型？你了解哪些主流模型（如CLIP、LLaVA）？
• 如何将深度学习模型部署到嵌入式设备上？需要考虑哪些因素？