中国电信
AI开发工程师（声纹感知方向）
AI开发工程师（声纹感知方向）
发布于 大约 8 小时前普通员工/个人贡献者
广州市
其它
全职员工
仅现场办公
硕士
机器学习工程
Cnn
Lstm
Mfcc
Pytorch
Tensorflow
信号处理
声纹识别
异常检测
深度学习
AI 估算 · 18k–30k
声纹感知为AI细分领域，要求高，广州薪资中等偏上，国企福利稳定，综合估算月薪18-30k。
职位详情
关于这个职位
作为AI开发工程师，你将专注于声纹感知方向，负责声纹、振动等非结构化数据的分析与建模，从特征工程到模型训练调优，解决异常检测与识别问题
需要精通信号处理和深度学习，有较强的工程落地能力
适合希望在国企平台深耕AI技术的工程师
最低要求
数字信号处理能力：精通音频/振动时序信号基础：采样、滤波、加窗、傅里叶变换、频谱分析、功率谱、信噪比计算
熟练使用MFCC、FBank、梅尔频谱、时频分析等声纹/音频特征提取方法
掌握噪声抑制、信号增强、异常信号增强等预处理技术，能处理现场复杂背景噪声
机器学习&深度学习理论：精通传统机器学习：SVM、GBDT、XGBoost、特征工程、模型正则、样本不均衡处理
精通深度学习基础：卷积网络（CNN、ResNet）、循环网络（LSTM/GRU）
了解Transformer、注意力机制
理解模型原理：损失函数、梯度反向传播、过拟合/欠拟合成因与解决方案、正则化、早停、迁移学习、模型冻结/微调
掌握分类、回归、异常检测、时序定位等任务的算法范式与评价指标
模型研发与实战能力：非结构化时序/音频数据建模，独立完成声纹、振动波形全链路算法设计：数据预处理→特征提取→模型搭建→训练调优→效果验证
异常检测&故障诊断专项经验：熟悉小样本、类别不平衡场景下的算法优化策略
工程与工具能力：主力编程语言Python，熟练使用PyTorch/TensorFlow搭建、训练、调试模型
熟练使用librosa、scipy、numpy等做音频/信号处理
模型部署与优化，掌握模型导出（ONNX）、推理加速、量化、降采样等工程优化手段
了解CPU/GPU 推理性能调优，了解基础数据标注、评测体系，能独立设计算法评估方案
工作职责
负责声纹、振动等非结构化数据的转换分析、特征工程、算法选型、模型设计、训练调优、落地迭代
主导 CNN/时序模型/树模型等算法架构设计，解决异常检测、定位、分类识别、过拟合、泛化性等核心问题，兼顾算法理论创新与工程落地
优先资格
有工业音频、设备振动、故障诊断、异常检测项目经验优先
AI 洞察
优缺点分析
优点
- 中国电信平台稳定，业务场景丰富，声纹感知在工业安全、设备监测等领域应用广泛
- 能接触非结构化数据处理的完整链路，从数据处理到模型部署，技术成长快
- 国企福利待遇优厚，工作稳定性高，生活工作平衡相对较好
- 国企技术栈可能偏保守，需要主动引入和适应新技术
- 算法落地涉及工程化，需处理现场复杂噪声等实际问题，对综合能力要求高
- 项目周期可能较长，需耐心推进并协调多方资源
- 适合对音频信号处理和深度学习有浓厚兴趣，愿意在稳定平台深耕技术、追求长期发展的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向高级算法专家发展，深入声纹感知领域，成为行业专家
- 可转向AI平台架构或技术管理方向，带领算法团队
- 在国企内部有稳定晋升通道，也可向互联网或AI创业公司流动
- 负责声纹、振动等非结构化数据的分析和转换，包括特征工程、模型设计、训练调优和落地迭代
- 主导CNN/时序模型等算法架构设计，解决异常检测、分类识别等核心问题
- 处理现场复杂背景噪声，进行信号预处理和增强，确保模型在实际场景中的有效性
- 精通数字信号处理，熟悉MFCC、FBank等特征提取方法
- 扎实的机器学习与深度学习理论基础，掌握CNN、LSTM、Transformer等模型
- 熟练使用Python和PyTorch/TensorFlow，具备模型部署与优化能力，熟悉ONNX、量化等手段
申请策略
- 了解中国电信在AI和声纹感知领域的业务布局，针对性地准备
- 准备项目作品集，展示从数据到模型落地的完整能力
- 突出信号处理和音频特征提取的项目经验，如MFCC、时频分析等
- 展示深度学习模型设计与调优的实战案例，包括CNN、LSTM等
- 如有异常检测或故障诊断项目，重点强调解决小样本和类别不平衡问题的策略
- 体现Python和PyTorch的熟练度，并展示模型部署优化能力
- 补充工业音频、振动数据分析的项目经验，可参与开源项目或实习
- 学习模型部署优化技术，如ONNX导出、量化和推理加速
面试指南
- 对于技术问题，先讲原理，再结合项目经验，展示深度理解
- 对于项目描述，采用STAR法则（情境、任务、行动、结果），突出个人贡献
- 对于部署问题，强调工程化思维和性能优化，如模型量化、推理加速
- 如何提取声纹特征？请说明MFCC的原理和步骤
- 在处理含噪声的音频信号时，你会采用哪些预处理方法？
- 如何解决异常检测中样本不均衡的问题？请给出具体策略
- 描述一个你独立完成的深度学习项目，包括挑战和解决方案
- 如何将训练好的模型部署到生产环境，并保证性能？
职位点评
76
综合评分
稳定国企，技术成长性强，薪资中上，办公模式未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长和稳定平台的求职者
表现最好
成长发展
相对薄弱
使命价值
薪资福利75
成长发展85
工作生活70
使命价值65
薪资福利
75中等
国企薪资中等偏上，福利稳定，但未披露具体薪酬，补偿性有一定满足。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
涉及声纹感知这一细分AI领域，技术栈全面，有工程落地挑战，发展性满足度高。
技术前沿主流现代技术
技术栈Python、PyTorch、TensorFlow、声纹识别、信号处理、MFCC、CNN、LSTM、Transformer
业务类型ambiguous
工作生活
70中等
未明确办公模式，但国企通常有规范作息，生活方式可能有所保障。
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
65中等
声纹感知有实际应用价值，但JD未强调社会影响，意义感一般。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
中国电信 的其他在招职位
相似职位推荐
Watch Jobs