视觉算法工程师

优缺点分析

角色解读

• 作为实习生，可积累工业级CV项目经验，为正式算法工程师岗位打下基础
• 未来可向高级算法工程师、技术专家或研究方向（如博士深造）发展
• 在国机集团内部，可横向迁移至其他AI应用领域，如智能制造、自动化等
• 参与图像分类、目标检测、分割等CV算法的研发，包括模型复现、调优和部署
• 协助数据标注、清洗和增强，构建高质量训练数据集
• 完成模型训练、评估及轻量化（剪枝、量化、ONNX转换）
• 编写可维护的代码和技术文档
• 扎实的Python编程能力，熟练使用PyTorch或TensorFlow
• 熟悉计算机视觉基础理论，如CNN、Transformer及经典模型结构
• 掌握OpenCV、NumPy、Pandas等数据处理库
• 了解模型轻量化技术（剪枝、量化、ONNX）者优先

申请策略

• 在简历中附上GitHub链接或项目demo，直观展示代码能力
• 了解国机集团业务与工业视觉应用场景，可在面试中展示匹配度
• 突出CV项目经历，包括算法实现、模型调优和部署经验
• 重点展示PyTorch/TensorFlow使用深度，如论文复现或Kaggle比赛成绩
• 提及相关课程或论文（如CNN、Transformer），体现理论基础
• 提前复习YOLO、ViT等模型原理，尝试用PyTorch复现并调参
• 学习ONNX模型转换和TensorRT部署工具，增强工程能力

面试指南

• 对于算法原理类问题，建议从经典基础出发，结合最新改进，说明关键创新点
• 对于项目经历问题，采用STAR法则：情境、任务、行动、结果，突出你的贡献和量化成果
• 对于部署类问题，强调整个pipeline（训练→转换→推理），并注意内存/速度优化
• 请详细解释YOLO系列算法的发展历程与核心改进
• 如何解决目标检测中的小目标问题？
• 描述一次你使用PyTorch训练模型并部署的经历
• 模型剪枝和量化的基本原理是什么？有什么优缺点？
• 你对Vision Transformer（ViT）的理解及其与CNN的差异