多模态软件开发工程师

优缺点分析

角色解读

• 技术专家路线：在算法推理、性能优化、国产化硬件适配等方向深耕，成为领域专家
• 架构师路线：随着MLOps平台和推理架构经验的积累，可向系统架构师方向发展，负责整体技术架构设计
• 管理路线：在团队中承担更多技术管理职责，向技术经理或团队负责人方向发展
• 负责计算机视觉和深度学习算法在物流仓储场景中的工程化落地，包括数字孪生、人员/物品实时追踪等系统的部署与优化
• 设计并开发高性能的算法推理Pipeline，进行模型量化、剪枝、算子优化及推理加速，确保系统的高吞吐与低延迟
• 深度参与MLOps平台建设，完善模型训练、评测、发布及监控的自动化闭环链路
• 负责算法模型在国产化边缘计算设备（如华为昇腾、寒武纪等）上的移植、适配与性能调优
• 深厚的C++编程功底，熟悉Linux/Ubuntu开发环境，精通多线程/多进程编程及内存管理，具备优秀的系统级Debug能力
• 扎实的算法与数据结构基础，熟悉计算机视觉及深度学习原理，熟练使用PyTorch等主流深度学习框架
• 熟练掌握TensorRT、ONNX Runtime、OpenVINO等至少一种推理框架，有丰富的模型转换、算子开发及推理加速实战经验
• 加分项：具有国产化硬件（华为昇腾、寒武纪等）的模型适配、NPU算子开发及性能调优经验，或熟悉CUDA编程及高并发服务端推理架构

申请策略

• 在申请时，可以表达对物流科技和智能仓储的兴趣，展现对业务场景的理解
• 关注京东物流的技术博客或开源项目，了解其技术栈和团队文化，在面试中展现契合度
• 突出C++编程能力和系统级调试经验，展示在复杂系统中的性能优化案例
• 重点描述使用TensorRT、ONNX Runtime等推理框架进行模型加速和部署的实际项目
• 如有国产化硬件适配或CUDA编程经验，务必在简历中显著位置体现
• 强调与算法团队协作、推动模型落地的跨团队合作经历
• 系统学习TensorRT、ONNX Runtime等推理框架的高级用法，掌握模型量化、剪枝等优化技术
• 了解华为昇腾、寒武纪等国产化硬件架构和NPU开发工具链

面试指南

• 回答项目经验时，采用STAR法则，突出背景、任务、行动和结果，量化性能提升指标
• 对于技术问题，先阐述基本原理，再结合具体实践案例，展现解决问题的思路
• 遇到不熟悉的问题，可以坦诚说明，并展示自己的学习能力和解决问题的思路
• 请详细描述你使用TensorRT或ONNX Runtime进行模型加速的项目，具体做了哪些优化？
• 在模型部署过程中，如何解决精度和性能的权衡问题？
• 请举例说明你如何调试一个复杂的C++多线程程序，并解决内存泄漏问题
• 你对国产化硬件（如华为昇腾）的适配有哪些经验？遇到的主要挑战是什么？
• 如何设计一个高吞吐、低延迟的推理服务架构？