Algorithm Developer

优缺点分析

角色解读

• 纵向可发展为资深算法专家或首席科学家，深耕半导体检测与成像算法领域
• 横向可转向算法团队管理，或向系统架构师、产品技术专家等跨职能方向发展
• 研发计算机视觉、机器学习和深度学习算法，并将其集成到大型半导体设备系统中
• 与客户及内部跨部门团队（系统、物理、软件等）紧密合作，理解需求并提供技术支持
• 编写软件规范和生产代码，确保项目按时交付，并参与客户现场的算法部署与调试
• 扎实的计算机视觉、机器学习和深度学习理论基础，以及丰富的Python编程实践经验
• 精通概率论与数理统计，具备将算法与硬件、系统物理特性相结合的集成能力
• 良好的英语沟通能力，能够适应跨国团队合作及一定比例的海外出差

申请策略

• 由于这是一个人才库收集职位，建议在求职信中明确表达对该领域长期发展的热情，以便HR在有新岗位时优先匹配
• 重点突出在计算机视觉、图像处理或深度学习项目中的实际落地经验，尤其是与硬件或物理系统结合的案例
• 明确展示Python编程能力、概率统计基础以及解决复杂算法问题的具体成果
• 强调跨团队合作经验、英语沟通能力以及适应出差的意愿
• 补充半导体成像系统、光学或物理相关的基础知识，理解算法在特定硬件环境下的约束
• 提升底层部署优化能力，增强算法在大型系统中的工程化落地能力

面试指南

• 采用STAR法则（情境、任务、行动、结果）来结构化回答项目经验，重点突出技术细节和量化指标
• 对于跨学科或系统集成问题，采用“需求分析-约束评估-方案设计-验证迭代”的工程思维框架进行解答
• 请详细描述一个你主导的计算机视觉或深度学习项目，遇到了什么技术瓶颈，如何解决的？
• 在将算法集成到大型系统时，你是如何考虑硬件限制和软件性能的？
• 如果客户现场反馈算法效果不佳，你会如何排查问题并优化？
• 请解释一下概率统计在机器学习模型评估和调优中的具体应用
• 复习计算机视觉和深度学习的经典算法及最新进展，准备好手写或讲解核心代码逻辑
• 了解应用材料在半导体检测和量测领域的核心产品与技术方向，将个人经验与公司产品需求建立联系