Goertek logo
歌尔股份
26届精英计划补招岗(仅限26届)(049147)

26届精英计划补招岗(仅限26届)(049147)

发布于 2 小时前

管理培训生(管培生)

AI 估算 · 1.8–3.0万 · AI 参考估算
无经验要求
硕士
全职员工仅现场办公管理培训生
管理培训生
Ai算法
Pytorch
光学设计
大模型
嵌入式系统
机器视觉
深度学习
运动控制

值不值得投

72综合评分

综合评分 72

多城市硕士研发精英计划,技术方向前沿且成长性强,办公模式与具体分配需确认

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较职业起点。

薪资怎么样

2.4万

比管理培训生中位数高

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 590 个在招

市场机会

选择不多

潍坊 · 管理培训生 · 3 个在招

职位详情

关于这个职位

该职位面向26届硕士毕业生,是歌尔股份人力资源本部组织的精英计划补招岗,实际录用方向覆盖光学研发与算法研发

入职后将根据专业背景和岗位方向参与光学设计、AI算法、机器视觉或运动控制等研发工作,适合希望进入智能制造与消费电子研发体系的应届生

最低要求

岗位一:

硕士及以上学历,光学工程、物理学等相关专业,有超表面/超透镜、微显示相关背景优先
具备扎实的物理光学与应用光学基础,深刻理解几何光学、像差理论,并熟悉干涉、衍射等精密测量物理原理
光学检测仪器、计量设备或光机系统集成等相关开发经验者优先
岗位二:
方向1:
计算机、人工智能、机器人工程、光学、数学、数据科学、材料模具等相关专业,具备扎实的计算机理论基础,精通Python/C/C++/Java开发
熟练掌握机器学习、深度学习、行为克隆、轻量化技术等基本原理,熟悉常见的生成模型框架,包括GAN、VAE、VQGAN和DiffusionModel
熟悉自监督视觉算法,熟悉transformer或OR-Tools/Gurobi等运筹优化工具,有大模型训练和调参经验
熟练掌握pytorch/paddlepaddle/DeepSpeed/FSDP等框架,熟悉常见的基于深度学习的分割定位算法与数据结构,了解强化学习工具库(如RLlib/StableBaselines3)
结果导向,工作积极主动,沟通表达佳,理解力好,具有较强的逻辑思维和抗压能力
方向2:
光电信息、电子信息、微电子、计算机类硕士及以上学历,具有优秀的光学背景优先
熟悉工业相机/镜头/光源等视觉硬件参数及性能
具有丰富的图像处理算法开发经验,熟练掌握传统图像处理算法的原理,如滤波,二值化,形态学处理等
掌握机器学习算法,如聚类,SVM,随机森林等
熟练掌握C++/Matlab/python等算法开发语言,掌握Opencv/Halcon/Visionpro等机器视觉处理软件
有嵌入式开发经验,熟悉ARM或FPGA交互,熟悉显示驱动原理,了解PWM/像素补偿等,有AA/半导体设备视觉算法开发经验或掌握机器学习框架(如TensorFlow、Pytorch),有AI校正算法经验优先优先
方向3:
机器人工程、自动化、控制工程、机械类、计算机等相关专业硕士及以上学历
理论基础,扎实的控制理论、运动学及系统仿真知识,熟悉主流运动控制架构
技术能力,精通运动控制系统开发及伺服系统调试,熟悉运动控制卡、伺服驱动器等硬件及Matlab/Python等工具
机电与振动专长,机械动力学与振动分析经验,掌握实验方法及相关工具(如LMSTest、Lab)
编程技能,熟练使用C/C++/C#等编程语言

工作职责

工作职责

岗位一:光学研发岗
工作地点:上海/济南/潍坊
负责机器视觉光源的光学研发与设计、光路分析及验证,并能根据使用需求优化提升光源性能
负责光度立体系统、相位偏折系统、组合光源等系统光源产品的设计与研发工作
负责复杂成像光路的设计,异常光路问题分析及指导成像
根据使用需求,可提出相应设备和硬件的光学技术规格及技术标准
岗位二:算法研发岗
工作地点:潍坊/青岛/成都
①AI方向
负责多种类AI场景开发落地工作,包括但不限于IT数智化、APS、具身智能、模具材料设计、影像色彩提升、目标检测、RAG、数字孪生、自动驾驶、人机交互等,研究领域包括但不限于:机器学习、VLM/VLA、大模型、Agent等
完成核心算法研究及优化,性能优化及疑难问题的钻研等
将复杂工业问题抽象并转化为ML/AI/LLM方案
跟踪和研究各AI领域的最新技术,探索新的算法和优化方法
②视觉方向
围绕工业相机、VR/AR、MicroLED等产品,主导机器视觉与深度学习核心算法研发,聚焦图像分类、目标检测、语义/实例分割、OCR、视觉跟踪等方向,攻克复杂业务场景技术难点
负责深度学习模型(CNN/ViT/YOLO等)的设计、训练、微调与优化,提升模型准确率、实时性与鲁棒性
主导算法工程化落地,配合团队完成模型量化压缩、推理加速(TensorRT/ONNX)、部署上线(Docker/K8s),解决latency、Throughput等工程指标问题
负责协助自动化装备视觉硬件的需求分析、物料选型及测试,与FPGA、MCU团队合作,将算法集成到嵌入式系统或上位机
跟踪全球机器视觉与深度学习前沿技术(如多模态融合、小样本学习),结合业务场景进行技术预研与创新
③控制方向
负责精密设备电气控制系统的设计、验证、分析、优化
精密设备运动控制系统分析和调试
负责精密设备(机电系统)运动控制仿真工具的开发和维护
负责精密运动控制系统的驱动程序、嵌入式软件、控制算法、应用软件工具及SDK的开发维护

优先资格

岗位一:有超表面/超透镜、微显示相关背景优先

光学检测仪器、计量设备或光机系统集成等相关开发经验者优先
岗位二方向2:具有优秀的光学背景优先
有嵌入式开发经验,熟悉ARM或FPGA交互,熟悉显示驱动原理,了解PWM/像素补偿等,有AA/半导体设备视觉算法开发经验或掌握机器学习框架(如TensorFlow、Pytorch),有AI校正算法经验优先优先

AI 洞察

优缺点分析

优点

  • 岗位覆盖光学研发、AI算法、机器视觉、运动控制等多个技术方向,适合硕士应届生积累复合型研发经验
  • JD涉及大模型、具身智能、数字孪生、MicroLED、VR/AR、精密运动控制等方向,技术场景较丰富
  • 工作地点覆盖多个城市,候选人可根据岗位方向和生活偏好关注不同区域的研发机会
  • 精英计划通常对应较强的培养定位,适合希望系统进入研发体系的应届生
  • 岗位方向较多,最终分配城市和研发方向可能影响个人成长路径,需要在投递前明确偏好
  • JD强调复杂工业问题转化、性能优化和疑难问题钻研,实际工作中可能需要快速适应真实产线和设备场景
  • 适合26届硕士及以上应届生,尤其是光学工程、计算机、人工智能、自动化、控制工程、电子信息、机器人工程等专业,且愿意在制造业研发和智能装备场景中深耕技术

缺点 / 挑战

  • 技术要求跨度大,从光学理论到AI工程化、嵌入式和控制算法均有较高专业门槛

角色解读

  • 初期可作为研发工程师在导师或团队带领下完成专项技术任务,逐步熟悉产品、设备和工业场景
  • 中期可向资深算法工程师、光学设计专家、机器视觉专家或运动控制专家方向发展,承担更复杂系统方案设计
  • 长期可发展为技术专家、项目负责人或研发管理角色,也可以横向拓展到智能制造、AI平台、智能硬件等方向
  • 如果分配到光学研发岗,将负责机器视觉光源、复杂成像光路、光度立体系统、相位偏折系统等光学方案的设计、验证与性能优化
  • 如果分配到AI算法方向,将围绕工业数智化、具身智能、大模型、Agent、目标检测、数字孪生等场景进行算法研究、优化和落地
  • 如果分配到视觉算法方向,将基于工业相机、VR/AR、MicroLED等产品开展图像分类、检测、分割、OCR、视觉跟踪及模型工程化部署
  • 如果分配到控制方向,将参与精密设备运动控制系统、伺服调试、控制算法、嵌入式软件、仿真工具及SDK开发维护
  • 光学方向需要扎实的物理光学、应用光学、几何光学、像差理论基础,并理解干涉、衍射等精密测量原理
  • AI方向需要掌握Python/C/C++/Java,熟悉机器学习、深度学习、生成模型、Transformer、大模型训练调参及PyTorch等框架
  • 视觉方向需要熟悉工业相机、镜头、光源等硬件参数,掌握传统图像处理、OpenCV/Halcon/VisionPro,以及CNN、ViT、YOLO等模型
  • 控制方向需要掌握控制理论、运动学、系统仿真、伺服系统调试,并能使用C/C++/C#、Matlab/Python进行开发

申请策略

  • 投递时建议主动了解歌尔在智能硬件、VR/AR、精密制造和工业视觉方面的业务布局,体现对场景的理解
  • 面试前尽量确认该补招岗的具体分配机制、培养周期、导师制度和城市选择规则,避免入职后预期不一致
  • 简历首页明确标注意向方向,例如光学研发、AI算法、视觉算法或运动控制,并匹配对应城市偏好
  • 重点展示硕士课题、实验室项目或实习中与岗位相关的技术细节,如光路设计、模型训练、目标检测、运动控制调试等
  • 量化呈现成果,例如准确率提升、推理耗时降低、系统稳定性改善、检测精度提升或仿真误差降低
  • 突出编程与工具链能力,包括Python、C++、PyTorch、OpenCV、TensorRT、Docker、K8s、Matlab等实际使用经验
  • AI和视觉方向可提前准备模型训练、微调、量化压缩、推理加速和部署流程,熟悉YOLO、ViT、Transformer等常见模型
  • 光学方向可复习几何光学、像差理论、干涉衍射、光路仿真与光源设计,并准备相关项目说明

面试指南

  • 使用“背景-目标-方案-结果-复盘”的项目表达框架,重点说明自己解决的是哪类真实技术问题
  • 技术题回答时先明确约束条件,再给出方案选择依据,最后说明验证指标,如精度、速度、稳定性、延迟或鲁棒性
  • 对于岗位方向选择,可结合专业背景、项目积累、行业兴趣和长期规划回答,避免只表达城市偏好
  • 你最希望分配到哪个研发方向?为什么选择光学、AI、视觉或控制方向?
  • 请介绍一个你做过的最有代表性的项目,包括问题背景、技术方案、个人贡献和最终结果
  • 对于AI/视觉方向,如何提升模型在复杂工业场景中的准确率、实时性和鲁棒性?
  • 对于光学方向,如何分析复杂成像光路异常,并说明你会从哪些因素排查问题?
  • 对于控制方向,如何调试精密设备运动控制系统,如何分析振动或伺服稳定性问题?

职位点评

薪资福利72
成长发展88
工作生活45
使命价值74

薪资福利

72中等

JD未披露薪资和福利信息,因此只能结合硕士研发岗属性判断其具备一定薪资吸引力,但缺乏明确福利承诺。稳定性与保障相关信息未提及,满足程度中等偏上。

薪资信号未披露(AI估算:1.8千–3.0万/月)

成长发展

88较高

岗位覆盖光学研发、AI算法、机器视觉、运动控制等多个技术方向,并涉及大模型、具身智能、数字孪生、MicroLED等前沿场景,对技术成长较有利。JD未明确提及导师制、培训或晋升路径,发展机制信息有限。

技术前沿前沿/新兴技术
技术栈AI、机器学习、深度学习、VLM/VLA、大模型、Agent、RAG、数字孪生、具身智能、机器视觉、MicroLED、TensorRT、ONNX、Docker、K8s、运动控制
业务类型ambiguous

工作生活

45较低

JD仅列出多个工作城市和岗位方向,未说明远程、混合办公、弹性工时或休假安排。由于具体城市和最终分配存在不确定性,生活便利性需要投递时进一步确认。

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

74中等

岗位聚焦智能制造、AI工业落地、精密光学和智能硬件相关研发,技术应用场景较广,具有一定产业价值。JD未直接描述社会使命或公共价值导向,意义感主要来自技术落地和行业应用。

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