中/高级嵌入式工程师（高性能计算）-深圳

优缺点分析

角色解读

• 可向算法优化专家或高级架构师方向发展，深度钻研底层计算优化
• 横向扩展至AI芯片驱动开发或全栈部署工程师
• 积累嵌入式系统经验后，可转向团队管理或技术leader岗位
• 将神经网络和传统图像算法移植到移动端或桌面端设备上，并进行性能优化
• 与算法开发团队紧密协作，确保算法在实际产品中高效稳定运行
• 参与算法结构的设计与优化，从部署角度提升计算效率
• 扎实的计算机体系架构知识，熟悉ARM/X86指令集和并行计算
• 至少掌握一种异构计算框架，如OpenCL、CUDA或NEON
• 有移动端推理框架（如TensorFlow Lite、MNN）的实际开发或使用经验

申请策略

• 准备一个你优化过的算法部署案例，从问题分析到方案落地，量化性能提升
• 了解大疆产品线（如无人机、手持设备）的算法需求，展示你对业务的理解
• 突出并行计算、异构编程相关项目经验，尤其是OpenCL或CUDA的实际应用
• 详细描述移动端推理框架的二次开发或性能调优经历
• 如果有ARM指令集优化（如NEON）或GPU编程成果，重点展示
• 复习计算机体系架构和内存模型，特别是cache一致性、SIMD等概念
• 实践一个完整的模型部署项目，从模型转换到端侧推理并调优
• 熟悉Linux内核及嵌入式开发环境，掌握交叉编译和性能分析工具

面试指南

• 对于优化类问题，采用'问题定位-瓶颈分析-优化方案-效果验证'的结构
• 对于部署流程问题，按数据流顺序依次说明：模型转换、量化、算子适配、运行时优化
• 对于底层原理问题，先给出定义，再结合具体指令或架构举例，最后总结适用场景
• 描述一次你使用OpenCL加速算法的经历，遇到了哪些瓶颈？
• 如何将PyTorch模型部署到ARM Linux设备上？需要哪些步骤和工具？
• 解释ARM NEON指令集如何实现并行计算，给出一个简单示例
• 当算法在移动端推理速度慢时，你会从哪些方面进行优化？
• C++中多线程编程需要注意哪些问题？如何避免数据竞争？