AI Engineer

优缺点分析

角色解读

• 可向高级算法工程师或技术专家方向发展，深耕工业视觉领域
• 未来可转型为AI架构师，负责整体算法方案设计
• 在制造业AI积累经验后，也可向自动驾驶、机器人等方向拓展
• 负责PCBA领域的工业视觉算法研发，包括缺陷检测、装配检测等核心任务
• 实现并优化深度学习算法框架，确保模型在实际产线的准确性和实时性
• 跟踪机器视觉前沿技术，持续进行算法升级和迭代
• 扎实的深度学习基础，熟悉CNN、R-CNN、YOLO等目标检测算法
• 精通C/C++、Python、C#等编程语言
• 熟练使用TensorFlow或PyTorch框架，以及OpenCV、Halcon等图像处理库
• 掌握模型部署技术，如TensorRT、ONNXRuntime、OpenVINO等

申请策略

• 了解捷普在电子制造行业的业务特点，准备相关行业的算法应用案例
• 在面试中展现对工业场景下算法落地挑战的理解，如光照变化、遮挡等
• 突出缺陷检测相关项目经验，详细描述算法选型、优化过程和最终效果
• 强调模型部署的实际经验，例如使用TensorRT或ONNXRuntime进行加速
• 展示编程能力，特别是C++和Python的熟练程度
• 学习Halcon高级图像处理功能，提升工业视觉算法能力
• 熟悉TensorRT、OpenVINO等部署工具，掌握模型压缩和加速技巧

面试指南

• 先用STAR法则描述项目背景和任务，然后说明技术方案和关键决策，最后总结成果和反思
• 对比不同算法时，从精度、速度、内存占用等维度分析，结合工业场景需求
• 对于优化问题，先分析瓶颈，再给出针对性方案（如模型剪枝、量化等）
• 请介绍一个你独立完成的缺陷检测项目，包括算法选择、数据集构建和性能指标
• 如何将训练好的PyTorch模型部署到生产环境？请描述步骤和工具
• YOLO和Faster R-CNN在工业检测中的优缺点比较
• 如何解决小目标检测问题？请给出具体方法
• 在实时性要求高的产线上，如何平衡检测速度和精度？