要求
1、深度学习与计算机视觉基础：
扎实的机器学习与深度学习理论基础，精通CNN、RNN/Transformer等主流网络结构。熟练掌握目标检测（Faster R-CNN, YOLO系列, SSD）、图像分割（U-Net, DeepLab系列）、图像分类等领域的经典算法，并有丰富的实战经验。熟练掌握Python，并至少精通一种主流深度学习框架，如 PyTorch 或 TensorFlow。
2、模型优化与部署能力：
必须拥有模型轻量化和边缘部署的实际项目经验。深入理解并实践过模型剪枝、量化（训练后量化 & 量化感知训练）等技术。熟悉至少一种主流边缘推理框架（TensorRT/OpenVINO/ONNX Runtime 等），了解其工作流程和性能调优方法。了解C++，能够进行模型的C++推理代码开发和性能优化者优先。
3、工程实现能力：
熟悉Linux开发环境，掌握Git等版本控制工具。
具备良好的代码风格和软件工程规范，能够编写可维护、可测试的代码。