移动端算法部署实习生

优缺点分析

角色解读

• 积累端侧AI部署的工程经验，可向算法部署工程师或AI SDK开发工程师发展
• 深入模型优化与硬件适配方向，未来可成为算法性能优化专家或AI系统架构师
• 游戏公司背景，有机会转向图形学、渲染优化或游戏AI等交叉领域
• 负责计算机视觉SDK的开发与集成，将算法模型部署到手机NPU等端侧硬件上
• 进行模型量化、剪枝等压缩优化，并根据目标硬件特性调整模型结构以提升推理性能
• 设计模型评测体系，通过数据增强、损失函数优化等方法提高业务场景下的准确性
• 扎实的C++和Python编程能力，能够独立完成算法工程的开发与调试
• 熟悉模型量化、蒸馏等压缩算法，了解常见的神经网络结构
• 具备论文阅读与复现能力，能跟踪前沿技术并快速应用到项目中
• 了解移动端开发或Unity者优先，有助于理解端侧部署的约束条件

申请策略

• 准备一个端侧模型部署的demo或项目经验，展示对部署流程的理解
• 关注叠纸游戏的产品方向和业务场景，在面试中展现对游戏与AI结合的兴趣
• 突出C++和Python项目经验，尤其是涉及模型部署或性能优化的项目
• 列举量化、剪枝等模型压缩相关的工作或竞赛经历
• 如有移动端开发或Unity经验，务必强调
• 展示论文阅读和复现成果，例如复现过某篇顶会论文的代码
• 提前学习移动端NPU编程（如高通SNPE、联发科NeuroPilot等）和模型量化工具（如TensorRT、NCNN）
• 补充计算机视觉基础知识，尤其是分类、检测、分割等模型的原理和优化技巧

面试指南

• 结构化回答：先总述知识点，再结合项目经验具体说明，最后总结收获
• STAR法则：描述场景、任务、行动、结果，突出你的贡献和思考
• 请解释一下模型量化的常见方法（如PTQ、QAT）及其优缺点
• 你在之前的项目中如何优化模型的推理速度？具体做了哪些修改？
• C++中内存管理有哪些注意事项？如何避免内存泄漏？
• 描述一个你复现论文的完整流程，遇到过哪些困难？
• 端侧NPU部署与GPU部署有哪些不同？
• 复习模型压缩和部署经典论文（如SqueezeNet、MobileNet、量化相关论文）