27届校招正式批-智能视觉算法评测工程师

优缺点分析

角色解读

• 短期可成长为精通特定AI算法测试的专家，并积累图像处理领域的行业知识
• 长期发展可向测试开发、算法质量保障体系构建方向深入，或横向发展至算法工程师、项目经理等岗位
• 作为算法质量的守门员，你将深度参与AI视觉算法（如超分辨率、降噪、SLAM）的测试全流程，确保其在实际应用中的稳定性和效果
• 你的核心工作之一是像侦探一样分析、定位算法问题，运用日志分析、数据对比等方法找到问题根源，并推动研发团队快速修复
• 你将不止于发现问题，还要通过编写Python等脚本开发自动化测试工具，提升测试效率，并系统性地跟踪、报告问题以驱动项目质量持续改进
• 你需要具备扎实的计算机基础知识，掌握Python等至少一种编程语言，能够编写测试脚本或自动化工具
• 对图像处理、计算机视觉有基本了解和浓厚兴趣是必备条件，了解物理光学、色彩理论等背景知识会是巨大加分项
• 你需要拥有出色的问题分析与定位能力，善于从复杂日志和数据中抽丝剥茧，同时具备良好的沟通协作能力，能推动问题解决

申请策略

• 深入研究虹软科技的核心产品和技术（如影像处理、人脸识别、视频理解），理解该岗位在其产品价值链中的作用
• 在简历和面试中，主动表达你对图像技术的热情（如个人摄影、对视觉算法的兴趣），这与岗位要求的“热爱图像行业”高度契合
• 重点突出与图像处理、计算机视觉相关的课程项目、毕业设计或实习经历，即使只是入门级的也应清晰描述
• 展示使用Python或其他语言进行数据处理、脚本编写的项目经验，体现你的工程实践能力
• 如果有参与过测试、质量保证或问题排查相关的经历，务必详细描述你发现问题和分析问题的过程
• 在“自我评价”或项目描述中，体现你对图像行业的热爱（如摄影、绘画）以及团队协作、抗压能力
• 系统复习一下图像处理的基础知识（如色彩空间、滤波、变换），并了解常见的计算机视觉算法原理
• 强化Python编程，特别是文件处理、数据处理（如使用NumPy、OpenCV库）和脚本编写能力

面试指南

• 项目经验类问题：采用STAR法则（情境-任务-行动-结果），重点描述你如何发现问题、分析问题以及最终结果或收获
• 技术理解类问题：诚实回答了解的程度，可以从基本概念、输入输出、应用场景等方面展开，展示你的学习能力和思考
• 问题分析类问题：展示你的逻辑思维步骤，例如：明确问题现象 -> 收集相关信息（日志/数据） -> 提出假设 -> 验证假设 -> 定位原因
• 请介绍一个你参与过的图像处理或计算机视觉相关的项目，你在其中具体做了什么？
• 如果给你一个图像算法（如AI降噪）的输出结果，你如何去判断它的效果好坏？可能会遇到哪些问题？
• 你了解SLAM或超分辨率（Super Resolution）技术的基本原理和应用场景吗？
• 在你的项目中，是否遇到过难以复现或定位的Bug？你是如何分析和解决的？
• 你为什么对算法评测/测试工程师这个岗位感兴趣？