上海电气
智能算法工程师(27届校招)
智能算法工程师(27届校招)
发布于 8 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Pytorch
Tensorflow
图像处理
故障预警
时序数据
特征提取
目标检测
缺陷检测
值不值得投
71综合评分
综合评分 71
工业AI算法校招岗，图像加时序技术面宽，薪资与办公模式未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
1.5万
比AI算法中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
15 个在招
市场机会
选择不多
上海 · AI算法 · 7 个在招
职位详情
关于这个职位
上海电气面向27届校招的智能算法岗位，负责基于图像处理、目标检测的缺陷检测与故障预警算法，以及振动、声纹等时序数据的特征提取与趋势预测算法，覆盖模型迭代、调优与部署，适合机器视觉与时序算法方向应届生
最低要求
熟悉Linux系统操作，能够使用docker容器进行算法的部署的优先
熟练掌握Python编程语言，熟悉Pytorch、Tensorflow等开发框架优先
思路清晰、思维敏捷、具备良好的语言沟通能力及协调能力
英语CET-4及以上，英语口语及阅读、书写熟练
工作职责
负责开发基于图像处理、特征提取、目标检测等技术的缺陷检测、故障预警算法
负责开发面向振动、声纹等时序数据的特征提取和趋势预测算法
负责算法模型的持续迭代、调优、测试、部署
优先资格
能够使用docker容器进行算法的部署
熟悉Pytorch、Tensorflow等开发框架
AI 洞察
优缺点分析
优点
- 工业+AI 场景明确，缺陷检测与故障预警的落地需求真实
- 图像与时序两类算法方向均有涉及，技术面较宽
- 校招进入可系统性积累工业算法工程经验
- 工业数据质量参差，模型调优需大量打磨
- 算法部署与落地环节对工程化能力要求高
- 适合机器学习基础扎实、对工业AI落地感兴趣的应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实现与迭代起步，成长为独立负责算法方向的技术骨干
- 向工业AI、智能运维算法专家方向发展
- 也可向算法团队管理或解决方案方向拓展
- 开发基于图像处理、特征提取、目标检测等技术的缺陷检测与故障预警算法
- 面向振动、声纹等时序数据开发特征提取与趋势预测算法
- 对算法模型进行持续迭代、调优、测试与部署
- 熟练掌握Python，熟悉Pytorch、Tensorflow等开发框架
- 图像处理与时序数据分析基础
- Linux操作与Docker容器部署能力
- 英语听说读写熟练，沟通协调能力良好
申请策略
- 提前了解工业缺陷检测与故障预警的业务价值
- 准备一个从数据到部署的完整算法项目讲解
- 突出图像检测或时序预测相关的项目与竞赛经历
- 强调Pytorch/Tensorflow实战与模型部署经验
- 体现Linux与Docker的工程化能力
- 补充工业场景数据清洗与小样本建模方法
- 学习模型部署与推理优化的常用工具链
面试指南
- 按“数据-模型-调优-部署-效果”的结构讲项目
- 结合业务指标说明算法价值
- 排查类问题给出清晰的实验对比思路
- 介绍一个你做过的目标检测或时序预测项目
- 图像缺陷检测中样本不均衡如何处理？
- 振动、声纹等时序数据常用哪些特征？
- 如何用Docker部署训练好的模型？
- Pytorch与Tensorflow你更熟悉哪个，为什么？
职位点评
薪资福利65
成长发展85
工作生活55
使命价值68
薪资福利
65中等
JD 未披露薪资与福利信息，算法岗位薪资竞争力需面试确认。
薪资信号未披露（AI估算：1.2千–1.8万/月）
成长发展
85较高
图像、时序、部署全栈算法方向，技术栈主流且迭代空间大。
技术前沿主流现代技术
技术栈图像处理、目标检测、特征提取、趋势预测、Python、Pytorch、Tensorflow、Docker、Linux
成长机会持续迭代
业务类型cost_center
工作生活
55较低
JD 未提及工作模式与加班情况，办公灵活性未知。
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
68中等
算法服务于工业设备可靠运行与质量提升，具有正向价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
上海电气 的其他在招职位
相似职位推荐
Watch Jobs