【博士生】算法研发研究员（工业视觉）（北京）(J54412)

优缺点分析

角色解读

• 技术专家路线：在工业视觉细分领域（如检测、3D视觉）成为技术权威，主导复杂项目与技术攻关
• 技术管理路线：凭借深厚的技术功底和项目经验，逐步承担团队管理、技术规划等职责
• 前沿研究路线：持续跟踪并引领工业视觉与AI交叉领域的技术发展，推动行业创新
• 从事工业视觉领域的核心算法研究，如高精度缺陷检测、复杂文档解析等
• 探索并应用多模态大模型、具身智能等前沿技术解决具体工业场景问题
• 将研究成果进行工程化开发与落地，驱动工业生产环节的智能化升级
• 精通计算机视觉算法（检测、分割等），具备扎实的数学和编程功底（Python）
• 熟悉视觉类及多模态大模型的原理与应用，了解工业场景的特殊性
• 具备优秀的问题分析、拆解与自主钻研能力，能应对复杂的工程挑战
• 拥有良好的团队协作与沟通意识，具备一定的英语读写能力

申请策略

• 在申请前，深入了解京东方在工业视觉、智能制造方面的技术布局和近期成果，这能在面试中展现你的诚意和准备
• 清晰阐述你的研究如何能为“工业视觉”这个具体场景创造价值，而不仅仅是展示技术本身
• 突出博士期间在计算机视觉、多模态模型或相关领域的研究课题与成果（如论文、专利）
• 详细描述一个完整的算法研究与项目经历，强调从问题定义、方案设计到实现验证的全过程
• 列举使用Python及主流深度学习框架（如PyTorch）进行算法开发的熟练程度
• 如有任何工业视觉、图像检测或相关的实习/项目经验，务必重点呈现
• 深入研究工业视觉领域的具体应用场景和挑战（如表面检测、OCR），可查阅相关行业报告或开源项目
• 学习和实践多模态大模型（如CLIP, GPT-4V等）在视觉任务中的应用，与传统算法进行对比

面试指南

• 使用STAR法则（情境-任务-行动-结果）来结构化地讲述你的项目经历，重点突出你的算法设计、优化过程和最终指标提升
• 回答技术问题时，先展示对基础原理的理解，再结合工业场景的实际约束（如速度、精度、数据量）进行分析，提出有洞察的观点
• 展现你的学习能力和开放性思维，对于不了解的领域，可以阐述你的分析思路和快速学习的计划
• 请详细介绍你博士期间的一个核心研究项目，特别是其中最具挑战性的算法问题及你的解决方案
• 你如何看待将计算机视觉大模型应用于工业缺陷检测？与传统方法相比，它可能面临哪些新的挑战和机遇？
• 如果给你一个具体的工业视觉任务（例如检测电路板上的微小划痕），你会如何设计一个算法解决方案？
• 你对我们工业视觉团队正在研究的某个具体方向（如文档解析、仿真设计）有何理解或想法？
• 系统梳理你的博士论文和相关研究，准备好能清晰、深入地解释其中的技术细节