【研发中心】2026届智能算法工程师（博士）(J22767)

优缺点分析

角色解读

• 从算法工程师逐步成长为技术专家，主导核心算法方向的技术规划与创新
• 可向技术管理方向发展，带领算法团队完成项目交付与研发管理
• 未来可转型为AI架构师或首席科学家，负责公司级AI战略与技术路线
• 负责视频和图像智能算法的研究与开发，包括目标检测、跟踪、分类等算法的预研与优化
• 将前沿AI技术转化为产品化解决方案，参与算法落地过程中的难点攻关与效果调优
• 跟踪计算机视觉领域最新进展，探索大模型等新技术在安防场景中的应用
• 扎实的计算机视觉和深度学习理论基础，熟悉至少一种主流算法如目标检测、图像分割等
• 熟练掌握Python、C++等编程语言，具备深度学习框架（如PyTorch、TensorFlow）使用经验
• 优秀的文献阅读和学术研究能力，能够独立完成实验设计与结果分析
• 具备大模型或AI落地项目经验者优先

申请策略

• 关注大华在AI领域的研发布局和最新产品线，面试中展现对业务的理解
• 准备好与面试官深入讨论论文细节和算法原理解析，展示研究深度
• 突出博士期间课题与计算机视觉的关联性，列出发表的高水平论文及影响
• 详细描述至少一个算法项目经验，包括问题定义、方法设计、实验结果和贡献
• 如有大模型或AI落地经验，单独列出并说明项目成果
• 列举国际赛事获奖情况或开源贡献，体现技术影响力
• 补充大模型（如视觉-语言模型）相关知识和实践经验，这是优先项
• 强化C++编程能力和算法工程化能力，熟悉ONNX、TensorRT等部署工具

面试指南

• 对于算法原理类问题，先简述核心思想，再结合自己的项目实践说明
• 对于工程问题，强调从算法到产品的全流程思考，包括数据、模型、部署等
• 对于开放性问题，展示技术视野和批判性思维，可对比多种方案
• 请详细介绍你博士期间的研究课题，包括核心创新点和实验设计
• 你如何解决目标检测中的小目标问题？请举例说明
• 你对视觉大模型（如CLIP、SAM）的了解？它们如何应用于安防场景？
• 在算法落地过程中，你如何处理精度与速度的平衡？
• 你发表的最满意的一篇论文是什么？为什么？