EIT - ME Engineer（视觉&算法）

优缺点分析

角色解读

• 从算法工程师向高级算法工程师发展，深入计算机视觉领域
• 可转向机器学习专家或技术主管，带领视觉算法团队
• 积累工业机器人视觉应用经验，向自动化解决方案架构师发展
• 参与计算机视觉算法的开发与优化，涉及图像识别、目标检测等核心模块
• 完成深度学习模型的训练、测试及部署，确保算法在机械手臂场景中的稳定运行
• 配合团队进行视觉引导系统的调试与迭代，解决实际应用中的技术问题
• 扎实的Python编程能力，熟悉至少一种深度学习框架（如PyTorch）
• 理解CNN及常见视觉模型，具备模型训练和调优经验
• 良好的团队协作和沟通能力，英语四级以上，口语流利者优先

申请策略

• 关注捷普在智能制造和工业自动化领域的业务方向，面试中可展现对行业的理解
• 准备好算法题和深度学习基础知识的问答，体现扎实的理论功底
• 突出Python和PyTorch项目经验，尤其是计算机视觉相关（如图像分类、目标检测）
• 展示对CNN等模型的理解，可附上GitHub链接或技术博客
• 强调团队协作和解决问题的能力，用具体案例说明
• 系统学习PyTorch官方教程，完成一个完整的图像识别项目
• 了解工业机器人视觉系统基础，如相机标定、手眼标定
• 提升英语口语能力，准备英文面试问题

面试指南

• STAR法则：描述情境、任务、行动、结果，突出技术难点和解决方案
• 分点叙述：先分析问题原因，再提出具体解决步骤，最后总结效果
• 结合实际：用项目经历中的具体数字（如精度提升5%，速度提升20%）增强说服力
• 请介绍一个你使用PyTorch完成的计算机视觉项目
• CNN中的卷积层、池化层的作用是什么？如何选择网络深度？
• 如何处理工业场景中的光照变化导致的图像差异？
• 描述一下你如何优化模型推理速度以适应实时性要求
• 如果你在部署模型时遇到精度下降，你会如何排查？