EASTstar-算法工程师（多模态方向）-27届秋招

优缺点分析

角色解读

• 作为管培生，你将获得公司定制的专属培养方案，在技术深度和业务理解上得到双重发展
• 未来可成长为多模态算法领域的专家，负责核心模型研发与创新，或转向技术管理岗位，带领团队
• 在金融科技领域深耕，可向智能投研、智能投顾等业务方向拓展，成为懂技术又懂金融的复合型人才
• 负责金融场景下的多模态算法研发，融合文本、图像、语音、视频等数据，构建多模态理解与生成能力，赋能智能投研、智能投顾等核心业务
• 建设和优化多模态数据的采集、清洗与标注流程，构建高质量的训练数据集，为模型训练提供基础
• 开展多模态模型的训练、微调与优化，覆盖图文理解、语音识别、跨模态检索等核心任务，持续提升模型效果
• 跟进前沿技术动态，探索多模态大模型在金融场景的创新应用，并协同工程团队完成模型的部署、推理优化与线上效果监控
• 扎实的编程功底，熟练掌握Python等语言，并熟悉主流深度学习框架（如PyTorch、TensorFlow）
• 具备机器学习、深度学习理论基础，了解多模态理解与生成、计算机视觉、语音识别等方向
• 对金融科技有浓厚兴趣，具备极强的逻辑思维与学习能力，能够快速掌握新知识并应用于实际业务
• 有相关项目或实习经验，或在顶会论文、算法竞赛、开源项目中有突出成果者优先

申请策略

• 在投递时，可以附上一份技术博客或项目代码链接，展示你的技术热情和能力
• 了解东方财富的「EASTstar管培之星项目」，在面试中表达你对加入管培生项目的意愿和规划
• 重点突出你的算法项目经历，尤其是与多模态、计算机视觉、语音识别相关的项目，详细描述你的技术方案和成果
• 强调你的编程能力和深度学习框架的熟练度，如PyTorch、TensorFlow，并展示你的代码能力
• 如果有顶会论文、算法竞赛获奖或开源项目贡献，务必在简历中显著位置列出，这是你的重要加分项
• 在简历中体现你对金融科技的兴趣和理解，可以提及你对智能投顾、智能投研等业务的看法
• 系统复习机器学习和深度学习的基础知识，特别是Transformer、多模态模型等前沿架构
• 动手实践一个多模态相关的项目，例如图文匹配、语音识别等，并尝试使用大模型进行微调

面试指南

• 回答项目类问题时，可以遵循STAR法则（情境、任务、行动、结果），清晰阐述项目背景、你的具体贡献、技术难点和最终成果
• 回答技术理解类问题时，先阐述基础概念，再结合具体应用场景进行延伸，展示你的思考深度和知识广度
• 回答业务结合类问题时，可以先表达你对金融科技的理解，再结合你的技术背景，提出一些创新的想法，体现你的商业敏感度
• 请详细介绍一下你做过的一个多模态或深度学习项目，包括技术选型、模型设计、遇到的挑战和解决方案
• 你对多模态大模型（如CLIP、LLaVA）有什么理解？你认为它们在金融场景有哪些应用潜力？
• 如何构建一个高质量的多模态数据集？请谈谈你的思路
• 你如何看待AI技术在智能投顾中的应用？你认为有哪些挑战和机遇？
• 请解释一下Transformer模型的核心思想，以及它在多模态领域的应用