软件算法工程师-W25-上海(J12317)

优缺点分析

角色解读

• 从算法工程师成长为负责放疗AI产品线的算法专家或技术负责人
• 积累医学影像与临床科研经验后，可转向医疗AI产品或科研合作方向
• 深入大数据平台后也可向数据架构与平台工程方向发展
• 研发放疗大数据场景下的机器学习与深度学习算法，覆盖设计、训练到部署全流程
• 对模型做性能优化，支撑临床可用性与推理效率
• 为临床科研开发辅助工具与决策支持工具
• 参与大数据平台架构设计、集群搭建与数据管道建设
• 扎实的机器学习/深度学习理论基础与项目落地经验
• 熟练使用C++、Python或Java等至少一门语言
• 了解医学影像与临床数据格式、传输协议与术语系统
• 有Hadoop/Spark/Hive等大数据平台经验者更具竞争力

申请策略

• 关注联影放疗产品线（uRT）与AI辅助诊疗的最新进展
• 准备讲解一个端到端算法项目的训练、部署与优化细节
• 突出医学影像/计算机辅助诊疗相关项目与量化成果
• 展示C++/Python工程能力与模型部署优化经验
• 若有配准、联邦学习或大数据平台经验务必写入
• 补充医学图像处理与DICOM等医疗数据格式知识
• 练习Spark/Hadoop数据管道搭建，补齐大数据工程短板

面试指南

• 用STAR结构讲项目：背景、任务、技术方案、量化结果
• 算法问题先讲原理再讲工程取舍，体现深度与落地意识
• 结合医疗场景强调合规、可靠性与临床价值
• 介绍一个你做过的医学影像或深度学习项目，难点是什么？
• 常见图像配准算法的原理与适用场景？
• 如何做模型部署与性能优化？
• 对Hadoop/Spark生态的了解程度？
• 如何处理医疗数据的小样本与标注问题？