CV算法工程师

优缺点分析

角色解读

• 专业路线：从CV算法工程师成长为技术专家或研究员，主导核心算法研发，发表顶级论文
• 管理路线：逐步带领算法团队，负责项目规划与技术决策，晋升为技术经理或总监
• 跨界发展：结合金融业务知识，转型为AI产品经理或解决方案架构师，推动AI落地
• 利用深度学习和计算机视觉技术，为平安的银行、保险等业务开发AI辅助系统，提升业务效率
• 研究AIGC图像/视频生成与理解技术，包括分类、检测、分割等，并输出为落地产品、专利或论文
• 参与风控智能体项目，使用LangChain等框架开发agent，并进行大模型的SFT、RL微调，结合RAG和向量数据库实现高效检索
• 核心技能：精通PyTorch或TensorFlow，熟练使用Python和C++，具备扎实的数学基础（概率论、线性代数）
• 深入掌握计算机视觉领域某方向（如图像分类、目标检测、视频理解等），有相关研究或项目经验
• 熟悉大模型微调技术（SFT/RL），了解Lora、RAG及向量数据库，有agent开发经验者更佳

申请策略

• 准备一个完整的项目案例，展示从数据处理到模型部署的全流程，体现工程能力
• 了解金融风控业务背景，面试中可主动提出将CV技术与业务结合的想法
• 重点突出计算机视觉项目经历，特别是图像分类、目标检测、视频理解等方向，说明技术难点和你的贡献
• 强调大模型微调或Agent开发经验，包括使用的框架（如LangChain、Lora）和具体效果
• 列出发表的论文或专利，尤其是CCF-B类以上会议/期刊，证明研究能力
• 补充大模型微调（SFT、RL）的实操经验，学习LangChain和RAG技术
• 熟悉向量数据库（如FAISS、Milvus）的搭建与优化，加强C++编程能力

面试指南

• 项目介绍用STAR法则：背景、任务、行动、结果，重点突出你的贡献和难点突破
• 技术问题先解释核心概念，再结合实际经验说明，最后可提出改进思路
• 系统设计题：明确需求，分模块说明，考虑数据、模型、部署等环节，并比较不同方案优劣
• 请介绍一个你做的计算机视觉项目，包括技术选型、模型性能优化过程
• 你对大模型微调有哪些经验？SFT和RL的区别是什么？
• 在风控场景中，如何利用CV技术实现异常检测？请设计一个方案
• 解释RAG的原理，以及如何选择向量数据库？
• 如何处理不平衡数据集？举例说明