智能算法工程师（图像分析与检测方向）(J14170)

优缺点分析

角色解读

• 向资深算法专家或技术负责人方向发展，主导核心算法研发
• 可横向拓展至半导体量测领域的产品经理或技术管理岗位
• 随着视觉大模型等技术发展，有机会成为跨领域的AI专家
• 开发高精度图像量测与检测算法，用于半导体晶圆缺陷检测和尺寸测量
• 负责从图像预处理、特征工程到模型训练与优化的全流程
• 与工艺团队协作，将算法部署到生产环境并持续优化
• 跟踪计算机视觉前沿技术（如3D、视觉大模型），探索创新应用
• 精通传统图像处理（亚像素边缘检测、几何校正）和深度学习检测算法（YOLO、Faster R-CNN、U-Net）
• 熟练掌握Python/C++及OpenCV、PIL等图像处理库，了解CUDA加速
• 熟悉图像质量评估指标（PSNR/SSIM）和误差分析方法
• 具备项目落地经验，能跨部门协作推动技术商业化

申请策略

• 了解长江存储的产品线和工艺特点，在面试中展现对半导体行业的热情
• 准备一个完整的项目案例，从问题定义到部署的详细说明
• 突出图像量测或检测项目的实际落地案例，强调算法精度提升和部署经验
• 重点展示在YOLO、U-Net等检测模型上的优化成果
• 如有论文或专利，单独列出以体现研究能力
• 强调Python/C++编程能力和CUDA加速经验
• 补充半导体量测领域知识，如晶圆缺陷类型、量测原理
• 练习图像质量评估指标和误差分析方法的实际应用

面试指南

• STAR法则：情境、任务、行动、结果，突出技术难点和你的贡献
• 对比不同算法优劣，体现决策思维
• 可引用具体指标（如mAP、FPS）
• 结合工业场景特点（如实时性、可靠性），强调工程化考虑
• 请详细介绍你做过的一个图像检测项目，包括算法选择、数据准备、模型优化和部署过程
• 如何评估检测算法的精度和效率？请举例说明你如何平衡两者
• 在半导体晶圆缺陷检测中，如何处理小目标和类不平衡问题？
• 你了解哪些图像量测算法？亚像素边缘检测的实现原理是什么？