工程师

优缺点分析

角色解读

• 技术路线：初级算法工程师 → 高级算法工程师 → 算法专家/技术负责人
• 管理路线：可转向项目组长或技术经理，带领团队完成项目
• 跨领域：积累工业视觉经验后，可拓展至其他垂直行业如自动驾驶、医疗影像
• 负责X光、CT等图像相关的AI算法研发，包括危险品检测和图像增强
• 将训练好的模型通过量化、剪枝等技术部署到边缘计算设备上，保证实时性
• 参与技术选型，探索大模型在工业视觉领域的应用
• 精通Python和C++，熟悉YOLO、PyTorch等深度学习框架
• 具备图像处理和计算机视觉的基础知识，有工业检测经验更佳
• 了解TensorRT、OpenVINO等推理加速工具，有模型压缩和部署经验
• 良好的数学基础和英文文献阅读能力

申请策略

• 央企招聘流程可能较长，耐心等待并跟进
• 面试中展现团队合作和沟通能力，央企重视稳定性和团队融合
• 突出3年以上AI算法经验，特别是工业视觉或X光图像相关项目
• 详细描述模型压缩、量化、部署到边缘设备的实际案例，量化性能指标（如速度提升、精度保持）
• 强调Python、C++、PyTorch、TensorRT等工具的使用熟练度
• 如果有大模型在垂直领域的应用经验，务必突出
• 补充工业检测相关的图像处理知识，如X光成像原理、缺陷检测算法
• 深入学习TensorRT和OpenVINO的模型优化技巧，掌握模型量化、剪枝的最佳实践

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术细节和成果
• 对于技术问题，从原理出发，结合实践经验，给出具体方案和权衡
• 展示对工业场景的了解，强调准确性和实时性的平衡
• 请讲讲你之前做的工业视觉检测项目，模型是如何部署到边缘设备的？
• 你对模型量化和剪枝的理解，如何平衡精度和推理速度？
• YOLO系列算法有哪些改进点？如何在检测小目标时提高精度？
• TensorRT和OpenVINO有什么区别？在什么场景下选择哪个？
• 如何优化一个模型使其在嵌入式设备上实时运行？