计算机视觉AI开发工程师（实习生岗）(J46405)

第一，视频数据分析算法研发。负责园区、交通等场景的视频数据采集、清洗和标注工作，开发视频目标检测、跟踪、行为识别等核心算法。需要独立完成从数据预处理、模型训练到效果评估的全流程工作，持续优化算法准确率和推理速度。 第二，业务场景落地支撑。对接园区安防、交通流量监测、人员行为分析等实际业务需求，将算法模型转化为可落地的业务功能。参与系统架构设计、API接口开发，确保算法能够稳定集成到生产环境中。 第三，模型部署与性能优化。负责模型在边缘设备上的部署工作，包括模型压缩、量化、加速等优化技术。熟悉TensorRT、ONNX等部署工具，确保模型在资源受限设备上仍能保持高效运行。 第四，技术文档与迭代优化。撰写技术方案、算法文档、测试报告和代码注释，建立完整的技术文档体系。持续跟踪计算机视觉领域前沿技术，如视觉大模型、多模态融合等，推动技术迭代升级。 第五，跨团队协作与沟通。与产品经理、后端工程师、测试人员等紧密配合，参与需求评审、技术方案讨论和项目进度管理，确保项目按时高质量交付。

学历专业方面，要求在读硕士研究生，计算机、人工智能、自动化、电子信息、模式识别与智能系统等相关专业。本科期间有突出项目成果的优秀本科生也可考虑。 实习时间方面，能保证12个月及以上稳定实习，每周出勤不少于4天。实习期过短无法深度参与项目，故不建议申请。 编程能力方面，熟练掌握Python编程语言，具备良好的代码规范和工程习惯，有实际项目开发经验者加分。 框架经验方面，熟悉PyTorch或TensorFlow至少一种深度学习框架，能够独立完成模型搭建、训练和调试工作。了解MLOps工具链者优先。 项目经验方面，需要有计算机视觉相关项目研发经验，课程项目、竞赛、科研或实习经历均可。需要在简历中详细描述项目背景、技术方案和个人贡献。 基础知识方面，深入理解CNN、Transformer、ViT等主流网络架构，熟悉目标检测（YOLO系列、Faster R-CNN等）、图像分割（UNet、Mask R-CNN等）、目标跟踪（DeepSORT、ByteTrack等）等算法原理。 数学基础方面，具备扎实的线性代数、概率统计、最优化理论基础，能够理解算法背后的数学原理并进行改进创新。 加分项 有YOLO、DeepSORT、ByteTrack、OC-SORT等算法实战经验者优先，需在简历中说明具体应用场景和效果指标。 在CVPR、ICCV、ECCV、ACM MM等顶会或期刊有论文发表者优先，需提供论文链接或录用证明。 有Kaggle、天池、华为软件精英挑战赛等竞赛获奖经历者优先，需说明竞赛名称、排名和解决方案。 熟悉TensorRT、ONNX Runtime、OpenVINO等模型部署工具者优先，有边缘设备部署经验者加分。 有园区安防、智能交通、视频监控、工业质检等行业项目经验者优先。 了解视觉大模型（如CLIP、BLIP、SAM等）或多模态融合技术者优先。 熟悉Docker、Kubernetes等容器化技术，有MLOps实践经验者优先。