海信
算法工程师（AI方向）(J45107)
算法工程师（AI方向）(J45107)
发布于 2 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ecg
Eeg
Pytorch
Tensorflow
信号处理
深度学习
生物医学工程
脑机接口
值不值得投
74综合评分
综合评分 74
前沿技术赛道、技术成长空间大，但工作强度未知，适合技术驱动型人才。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比机器学习工程中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
84 个在招
市场机会
选择面较广
深圳 · 机器学习工程 · 72 个在招
职位详情
关于这个职位
该职位负责生物电信号（脑电、肌电、心电）处理算法的研发与落地，包括信号降噪、特征提取、时序解码等核心工作
你将参与数据集搭建、深度学习模型训练与迭代，并跟踪前沿技术进行攻关
岗位要求硕士及以上学历，精通Python和PyTorch/TensorFlow，对脑机接口和医疗AI方向有浓厚兴趣
最低要求
教育背景
（1）专业：生物医学工程、人工智能、计算机科学与技术、电子信息工程、信息与通信工程、应用数学、统计学、神经工程等相关专业
（2）学历：硕士及以上学历，博士优先
（3）其他：优先主修生物电信号处理、脑机接口、智能信号处理、医疗AI相关方向，有EEG/EMG相关课程学习、毕业设计、科研项目参与者
专业能力
（1）专业基础扎实，掌握数字信号处理、随机信号分析、机器学习、深度学习、数理统计、神经信号处理等核心课程，精通生物电信号处理基础理论，具备适配岗位的专业知识体系
（2）熟练掌握Python，精通PyTorch/TensorFlow框架，具备时序模型搭建、训练与调优能力
（3）熟悉脑电、肌电生物电信号基本特性与处理逻辑，掌握信号滤波、伪迹去除、时频分析等常规信号处理方法，了解生物电时序深度学习建模思路，具备低信噪比信号优化、模型泛化调优的基础实操能力
（4）具备良好的数据敏感度与逻辑思维，能够独立完成生物电数据处理、实验设计与结果分析
（5）有BCI脑机接口、生物电AI、医疗算法相关竞赛、科研项目、论文专利成果者优先
综合素质
（1）工作严谨负责、执行力强，具备良好的科研素养、问题攻坚能力与逻辑思维
（2）对生物电AI、脑机交互领域兴趣浓厚，学习能力强，愿意长期深耕相关方向
（3）沟通清晰、擅长技术总结，具备良好的文档撰写与跨团队协作能力
（4）具备良好的团队协作与抗压能力，有产品落地项目推进经验者优先
工作职责
生物电算法研发：负责脑电（EEG）、肌电（EMG）、心电（ECG）等生物电信号处理算法研发，开展信号降噪、伪迹去除、特征提取、时序解码等核心工作，支撑生理信号识别产品落地
生物电数据集搭建：负责生物电信号实验范式设计、数据采集、标注核验与数据集迭代，解决生物电信号低信噪比、个体差异大等问题，搭建标准化数据集，支撑模型训练与算法迭代
深度学习模型迭代：基于PyTorch/TensorFlow搭建AI模型，完成模型训练、参数调优、消融实验与泛化性优化，整理实验数据与迭代报告
前沿技术调研攻关：跟踪生物电计算领域前沿技术与学术成果，开展技术预研与核心算法攻关，沉淀技术文档、论文或专利成果
算法落地与协作：配合团队完成生物电AI算法的部署、测试与功能验证，解决落地适配问题，推进预研及应市项目迭代
优先资格
（1）博士优先
（2）优先主修生物电信号处理、脑机接口、智能信号处理、医疗AI相关方向，有EEG/EMG相关课程学习、毕业设计、科研项目参与者
（3）有BCI脑机接口、生物电AI、医疗算法相关竞赛、科研项目、论文专利成果者优先
（4）具备良好的团队协作与抗压能力，有产品落地项目推进经验者优先
AI 洞察
优缺点分析
优点
- 处于脑机接口和医疗AI的前沿赛道，技术含量高，有广阔的发展前景
- 工作内容涵盖算法研发、数据集建设、模型迭代和产品落地，能全面锻炼技术能力
- 海信作为大型企业，平台稳定，资源丰富，有利于长期深耕和积累
- 生物电信号处理技术门槛高，低信噪比和个体差异问题解决难度大，对专业能力要求极高
- 岗位要求硕士及以上学历，且偏好博士，竞争激烈，对学术背景要求高
- 需要同时具备算法研发、工程落地和文档撰写能力，对综合素质要求全面
- 适合对脑机接口、生物电AI和医疗算法有浓厚兴趣，具备扎实信号处理和深度学习功底，并希望在技术前沿深耕的硕士或博士
缺点 / 挑战
暂无明显挑战项
角色解读
- 在技术深度上，可向生物电信号处理、脑机接口领域的专家方向发展，成为算法技术带头人
- 在业务广度上，可向医疗AI产品经理或项目负责人转型，负责整个产品线的算法方案设计与落地
- 在学术影响力上，可通过发表高水平论文、申请专利，提升在行业内的知名度和影响力
- 负责脑电、肌电、心电等生物电信号的算法研发，包括信号降噪、伪迹去除、特征提取和时序解码，支撑产品落地
- 设计生物电信号实验范式，负责数据采集、标注和数据集迭代，解决低信噪比和个体差异问题
- 使用PyTorch/TensorFlow搭建和训练深度学习模型，进行参数调优、消融实验和泛化性优化
- 跟踪生物电计算领域前沿技术，进行技术预研和核心算法攻关，并沉淀技术文档、论文或专利
- 扎实的数字信号处理、随机信号分析、机器学习和深度学习理论基础
- 精通Python编程，熟练使用PyTorch/TensorFlow框架，具备时序模型搭建和调优能力
- 熟悉EEG/EMG等生物电信号特性，掌握信号滤波、伪迹去除、时频分析等处理方法
- 具备良好的数据敏感度、逻辑思维和独立完成实验设计与结果分析的能力
申请策略
- 在求职信中表达你对生物电AI和脑机交互领域的强烈兴趣和长期深耕的意愿
- 提前了解海信在医疗电子或智能健康领域的业务布局，在面试中展示你对公司业务方向的理解
- 重点突出EEG/EMG/ECG相关的科研项目、毕业设计或竞赛经历，详细描述你在信号处理和模型构建中的具体贡献
- 强调你精通Python和PyTorch/TensorFlow，并展示具体的模型训练、调优和部署项目案例
- 如有论文、专利或竞赛获奖，务必在显眼位置列出，这是证明你科研能力的重要加分项
- 在项目描述中体现你解决低信噪比信号、个体差异等实际问题的能力和思路
- 系统复习数字信号处理、随机过程和深度学习核心理论，确保基础扎实
- 动手实践一个完整的生物电信号处理项目，从数据采集、预处理到模型训练，熟悉整个流程
面试指南
- 回答项目经验时，采用STAR法则（情境-任务-行动-结果），清晰描述项目背景、你的具体任务、采取的技术方案和最终成果
- 回答技术问题时，先阐述基本原理，再结合你的实践经验，最后可以提出可能的优化方向，展示你的思考深度
- 回答开放性问题时，展现你的知识广度和学习热情，可以结合最新论文或行业动态，体现你对领域的持续关注
- 请详细介绍一下你在EEG信号处理或脑机接口方面的项目经验，遇到的最大挑战是什么？
- 如何解决生物电信号中常见的伪迹（如眼电、肌电）干扰问题？请描述你的技术方案
- 在训练时序深度学习模型时，如何处理数据量小和过拟合的问题？
- 你如何设计一个实验范式来采集高质量的脑电数据？需要考虑哪些因素？
- 谈谈你对脑机接口技术未来发展趋势的看法，以及它可能面临的主要挑战
职位点评
薪资福利70
成长发展90
工作生活50
使命价值85
薪资福利
70中等
职位未明确提及薪资和具体福利，但作为大型企业的核心算法岗位，薪酬通常具有市场竞争力。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
职位处于脑机接口和医疗AI前沿赛道，技术要求高，涉及算法研发、数据工程和模型迭代，能提供极佳的技术成长空间。
技术前沿前沿/新兴技术
技术栈EEG、EMG、ECG、PyTorch、TensorFlow、深度学习、信号处理、脑机接口
成长机会前沿技术调研攻关、技术预研、核心算法攻关、论文或专利成果
业务类型ambiguous
工作生活
50较低
职位描述未提及工作模式、加班情况或弹性办公，无法判断工作生活平衡度。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
生物电AI和脑机接口技术具有显著的社会价值，尤其在医疗健康领域，能改善患者生活质量，岗位使命感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑生理信号识别产品落地、医疗AI
创新程度积极采用新技术
Watch Jobs