视觉算法开发工程师

优缺点分析

角色解读

• 从算法工程师向技术专家或团队负责人发展，主导核心算法研发与落地
• 在工业AI、具身智能、大模型等前沿领域深耕，成为行业技术领军人物
• 有机会参与公司级重大技术项目，积累丰富的工业场景落地经验
• 负责工业场景下的视觉质检算法开发，包括缺陷检测、图像分割等模型的设计与优化，确保产品质量
• 参与优化算法研究，融合传统与智能算法，解决高维度、多约束的工程优化问题
• 开发具身智能控制算法，集成机器人多模态感知与决策系统，推动人机协作在制造场景的落地
• 进行LLM、VLM等大模型的开发，包括Prompt工程和模型优化，以及工程领域应用落地
• 熟练掌握Python/C++，熟悉PyTorch/TensorFlow框架，具备算法从开发到部署的全流程经验
• 深入理解计算机视觉、优化算法、机器人学或大模型技术栈中的至少一个领域
• 具备跨学科协作能力，能够与机械、电气、软件等团队协同工作

申请策略

• 了解宁德时代在智能制造和AI领域的最新动态，展示对工业场景的理解
• 准备一个完整的项目案例，突出从算法设计到落地的全过程
• 突出在计算机视觉、优化算法、机器人或大模型领域的项目经验和成果
• 强调算法从开发到部署的全流程经验，包括模型优化、部署和性能调优
• 展示跨学科协作能力，如与硬件、软件、数据团队的协同经验
• 补充强化学习、多模态大模型、VLA架构等前沿技术知识
• 熟悉工业场景下的视觉检测、光学成像优化等应用

面试指南

• 结合具体项目，说明问题背景、你的解决方案、技术选型和最终效果
• 展示你对算法原理的深入理解，以及在实际场景中的权衡和取舍
• 强调跨学科协作和业务价值，说明技术如何解决实际问题
• 请介绍一个你负责的视觉检测项目，如何优化模型精度和速度？
• 你如何理解具身智能在制造场景中的应用？
• 请谈谈你对大模型微调和Prompt工程的理解
• 你如何处理高维度、多约束的优化问题？
• 如何将算法从开发环境部署到生产环境？