小米
AI算法工程师
AI算法工程师
发布于 大约 4 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
Opencv
Pytorch
Tensorflow
嵌入式部署
模型剪枝
模型量化
深度学习
计算机视觉
值不值得投
69综合评分
综合评分 69
小米AI算法实习，聚焦端侧前沿技术，技术成长快，但WLB未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
5K
比计算机视觉工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3020 个在招 · 其中计算机视觉工程 19 个
市场机会
选择不多
武汉 · 计算机视觉工程 · 4 个在招
职位详情
关于这个职位
作为小米AI算法实习生，你将参与智能家居设备端侧图像算法的研发与落地，聚焦轻量化小模型方向
工作内容包括目标检测、分类、分割等深度学习算法的开发与优化，以及模型量化、部署和性能调优
你将与资深工程师协作，跟踪前沿技术，积累端侧AI实战经验
最低要求
硕士及以上，计算机、自动化、电子信息、人工智能等相关专业，计算机视觉、深度学习、图像处理方向优先
掌握深度学习与计算机视觉基础，熟悉常见的检测/分类/分割/跟踪等算法原理
熟悉至少一种主流深度学习框架（PyTorch / TensorFlow 等），有完整的模型训练与调优实践经验
熟悉 Python，了解 C++
熟悉 Linux 开发环境，有 OpenCV 使用经验者优先
有模型轻量化、量化或端侧/嵌入式部署经验者优先
责任心强，学习能力强，有良好的沟通协作能力，能保证稳定的实习时间
工作职责
参与智能家居设备（如智能门锁、监控摄像头、智能厨电、传感类产品等）端侧图像算法的研发与落地，聚焦轻量化小模型方向
参与计算机视觉算法开发，包括但不限于目标检测、关键点、分类识别、目标跟踪、图像分割等深度学习算法
参与模型的训练、调优与评测，围绕端侧算力约束做轻量化与性能优化（剪枝、蒸馏、量化等）
参与模型量化与部署工作，在嵌入式/芯片平台上完成模型移植与推理加速，改善端侧运行效率
参与训练数据的采集、清洗、标注管理与数据分析，协助搭建数据处理流程，提升数据质量与研发效率
跟踪业界前沿的轻量级视觉算法进展，参与算法调研、原型验证与文档整理
AI 洞察
优缺点分析
优点
- 小米作为知名科技公司，平台大，能接触真实智能家居产品场景，积累端侧AI实战经验
- 聚焦轻量化模型，是行业前沿方向，技术含金量高
- 团队协作氛围，有资深工程师指导，学习成长快
- 端侧算力受限，模型优化难度大，需要较强的工程能力
- 实习岗位，工作内容可能较杂，需要同时处理数据、训练、部署等多环节
- 需要持续学习新技术，保持对前沿算法的敏感度
- 适合对计算机视觉和端侧AI有浓厚兴趣，具备扎实深度学习基础，希望在实际产品中应用技术的硕士在读学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习算法工程师起步，积累端侧AI落地经验，可向高级算法工程师发展
- 深入模型优化与部署方向，成为端侧AI专家
- 有机会转向技术管理岗位，带领团队负责产品线算法研发
- 参与智能家居设备端侧图像算法的研发，包括目标检测、分类、分割等模型的训练与优化
- 负责模型的轻量化与性能优化，如剪枝、蒸馏、量化，并在嵌入式平台上进行部署和推理加速
- 参与数据处理流程的搭建，包括数据采集、清洗、标注管理，提升数据质量
- 跟踪前沿轻量级视觉算法，进行调研和原型验证
- 扎实的深度学习和计算机视觉基础，熟悉常见算法原理
- 熟练使用PyTorch或TensorFlow等深度学习框架，有模型训练和调优经验
- 熟悉Python，了解C++，掌握Linux开发环境，有OpenCV经验更佳
- 有模型轻量化、量化或端侧部署经验者优先
申请策略
- 关注小米武汉研发中心的招聘动态，可主动联系HR或内推
- 在简历中体现对端侧AI的热情和实际动手能力
- 突出深度学习项目经验，特别是目标检测、分类等视觉任务
- 强调模型优化经验，如剪枝、量化、蒸馏等
- 展示Python和C++编程能力，以及Linux和OpenCV的使用经验
- 如有嵌入式或端侧部署项目，务必详细描述
- 提前熟悉PyTorch或TensorFlow，并练习模型训练和调优
- 学习模型量化工具（如TensorRT、ONNX Runtime）和嵌入式部署流程
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，突出技术难点和解决方案
- 对于技术问题，先阐述基本原理，再结合实际经验说明应用场景和权衡
- 展示学习能力和解决问题的思路，强调团队协作
- 请介绍一个你参与的计算机视觉项目，包括模型选型和优化过程
- 如何对模型进行量化？量化会带来哪些精度损失，如何缓解？
- 在端侧部署模型时，你会如何考虑算力和内存限制？
- 解释一下模型剪枝的原理和常见方法
- 你如何保证实习时间的稳定性？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值70
薪资福利
60中等
实习岗位薪资按市场水平估算，处于中等水平，但小米作为知名企业，福利相对完善，但JD未提及具体福利。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
85较高
职位聚焦端侧AI前沿技术，涉及模型轻量化、量化等热门方向，能显著提升技术能力，成长空间大。
技术前沿前沿/新兴技术
技术栈计算机视觉、深度学习、PyTorch、TensorFlow、模型量化、模型剪枝、嵌入式部署
业务类型ambiguous
工作生活
50较低
JD未提及工作模式，但实习岗位通常需要到岗，工作地点在武汉，通勤情况未知，WLB信号未明确。
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
70中等
智能家居AI应用具有实际社会价值，能提升用户体验，行业处于增长期，但JD未明确使命导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs