工程师

优缺点分析

角色解读

• 可向高级算法专家或技术带头人方向发展，深耕图像处理和边缘计算领域
• 有机会参与大模型垂直应用，向AI架构师转型
• 在国企平台积累经验后，可向互联网大厂或创业公司高阶岗位跳槽
• 研发X光、CT和DR图像的AI算法，实现危险品检测和图像增强等功能
• 负责AI模型从数据预处理到部署的全生命周期管理，确保模型高效落地
• 将深度学习模型部署到边缘计算设备，使用TensorRT、OpenVINO等进行加速优化
• 跟踪前沿技术，探索大模型在垂直领域的应用，推动技术创新
• 精通Python和C++，熟悉YOLO、PyTorch等深度学习框架
• 具备扎实的数学和机器学习基础，能独立设计和优化算法
• 有模型压缩、量化及边缘部署经验，熟悉TensorRT或OpenVINO
• 良好的英文文献阅读能力和跨团队协作沟通能力

申请策略

• 详细了解中国广核集团在核电数字化方面的业务，面试中展现对行业场景的理解
• 准备好一个完整的算法落地项目案例，从数据到部署全流程讲解
• 突出X光/CT图像处理或相关视觉检测项目经验
• 强调模型部署落地案例，尤其是边缘设备优化经历
• 展示使用TensorRT、OpenVINO等工具进行加速的成果
• 如有大模型垂直领域经验，务必重点描述
• 补充YOLO系列和PyTorch的实战应用，特别是目标检测任务
• 学习模型量化、剪枝等边缘部署技术，熟练使用TensorRT

面试指南

• 采用STAR法则：情境-任务-行动-结果，清晰展示项目背景、个人贡献和量化成果
• 技术问题先阐述基本原理，再结合实际经验，最后总结优化思路
• 对于开放性设计问题，从需求分析、方案对比、实现步骤和评估指标逐层展开
• 请介绍一个你负责的图像处理项目，包括算法选型和优化过程
• 如何将PyTorch模型部署到边缘设备？请描述技术选型和加速方法
• YOLO系列的最新进展有哪些？如何针对特定场景改进？
• 大模型在垂直领域落地的主要挑战是什么？你有什么看法？
• 谈一谈你在模型压缩或量化方面的经验