【集团研发】算法研发研究员（工业视觉）（北京）(J53447)

优缺点分析

角色解读

• 技术专家路径：在工业视觉或特定算法领域持续深耕，成为首席算法专家或技术带头人
• 技术管理路径：积累项目经验后，可带领小型算法团队，负责技术方向规划和团队管理
• 跨领域发展：依托京东方的产业平台，可向智能制造、AIoT或更广泛的计算机视觉应用领域拓展
• 研究并开发应用于工业制造场景的计算机视觉算法，解决如显示面板缺陷检测等具体问题
• 探索文档解析、具身智能、仿真设计等新兴视觉技术在工业环境中的落地可能性
• 负责从算法模型设计、训练到最终应用部署的全流程研发工作
• 精通计算机视觉核心算法，特别是检测和分割任务，需要扎实的理论功底和代码实现能力
• 熟练使用Python等编程语言，并掌握PyTorch/TensorFlow等深度学习框架，熟悉大模型相关技术
• 具备优秀的问题分析与拆解能力，能够将复杂的工业问题转化为可解的算法模型
• 良好的团队协作和沟通能力，能与产品、硬件及工程团队紧密配合推动项目落地

申请策略

• 在简历或面试中，重点阐述你对“工业视觉”与学术研究异同点的理解，体现你的工程思维
• 提前了解京东方的主营业务（显示面板）和智能制造战略，思考你的研究如何与之结合
• 突出博士期间在计算机视觉、深度学习等领域的研究成果，特别是与工业检测、目标识别等相关的论文或专利
• 详细描述相关项目经历，强调从问题定义、算法设计、实验验证到性能优化的完整过程
• 展示扎实的编程能力和工程实践经验，可列举GitHub项目、技术竞赛成绩或使用的具体技术栈
• 深入研读工业视觉和智能制造领域的最新论文，了解京东方等面板厂商的技术痛点
• 实践大模型（如多模态大模型）在视觉任务中的应用，熟悉模型轻量化和部署工具

面试指南

• 回答技术问题时，采用“问题背景-我的方案-关键挑战-如何解决-结果与反思”的结构，体现系统性思维
• 对于场景应用类问题，结合具体工业案例，强调算法模型需要考虑的实时性、可解释性、成本等因素
• 展现对技术的热情和持续学习能力，可以提及你关注的最新技术动态或论文
• 请介绍你博士期间研究的核心内容，并解释它是如何解决一个具体问题的？
• 你认为工业场景下的缺陷检测与学术数据集上的检测主要有哪些区别和挑战？
• 请描述一个你使用深度学习模型解决实际视觉问题的完整经历
• 你对具身智能在工业领域的应用有什么看法？
• 你如何看待大模型技术对工业视觉算法研发的影响？