岗位职责:

1、算法模型研发与优化：基于TensorFlow、PyTorch等深度学习框架，负责核心算法模型的设计、训练与优化，重点围绕YOLO框架进行目标检测、识别等相关算法的研发，提升模型的精度、速度和鲁棒性，满足实际业务场景需求。
2、算法工程化部署：主导算法模型的工程化落地，制定合理的部署方案，将训练好的模型高效部署到生产环境，包括模型压缩、量化、推理加速等，确保算法在实际应用中具备高可用性和低延迟特性，适配不同的硬件平台和业务系统。
3、算法性能调优：针对线上算法应用中的性能问题，进行全面分析与调优，通过改进网络结构、优化训练策略、调整参数配置等方式，持续提升算法的运行效率和稳定性，解决高并发、大数据量场景下的算法瓶颈。
4、算法平台搭建与维护：参与或主导算法平台的建设，包括数据处理模块、模型训练模块、评估模块、部署模块等的设计与开发，搭建高效、易用的算法研发与管理平台，支撑团队的算法研发流程规范化和自动化。
5、技术方案设计与评审：参与业务需求分析，结合实际应用场景设计算法技术方案，提供专业的算法选型建议；参与技术方案评审，确保方案的可行性、先进性和经济性，降低技术风险。
6、数据处理与分析：负责算法研发所需数据的处理与分析，包括数据清洗、标注规范制定、数据增强等，保障训练数据的质量和数量，为算法模型的高效训练提供有力支撑。
7、跨团队协作与技术支持：与工程开发、产品、测试等团队紧密协作，提供算法技术支持，解决算法集成过程中的问题，推动算法成果在产品中落地应用；向相关团队传递算法知识，提升团队整体算法应用能力。
8、前沿技术跟踪与应用：跟踪国内外算法领域的前沿技术和研究成果，尤其是目标检测、深度学习工程化等方向的最新进展，进行技术调研与验证，将合适的新技术、新方法引入实际项目，提升团队的技术竞争力。

1、学历与专业：硕士及以上学历，计算机科学、人工智能、数学等相关专业，5年以上算法开发经验，其中至少3年深度学习算法研发经验。
2、技术框架掌握：熟练使用TensorFlow、PyTorch等深度学习框架，具备丰富的模型训练、调优经验；熟练掌握YOLO框架，深入理解其原理与实现，有基于YOLO进行算法改进和落地应用的成功案例。
3、工程化部署能力：熟悉算法工程化部署流程和技术，掌握模型部署工具（如TensorRT、ONNXRuntime等），有将深度学习模型部署到服务器、边缘设备等不同环境的实际经验。
4、算法优化经验：主导过算法优化项目，具备从模型设计、训练到部署全流程的优化经验，能有效提升算法的精度、速度或降低资源消耗，有高并发场景下算法优化经验者优先。
5、平台建设经验：有算法平台建设经验者优先，熟悉算法平台的架构设计和关键技术，了解数据处理、模型管理、流程自动化等模块的实现方式。
6、编程与技术能力：具备扎实的编程基础，熟练掌握Python语言，了解C++等编程语言；具备良好的数学基础，熟悉机器学习、深度学习的基本原理和常用算法；掌握数据结构与算法，具备较强的问题分析与建模能力。
7、团队协作与沟通能力：具备良好的团队协作精神和沟通表达能力，能清晰阐述复杂的算法概念和技术方案，有效推动跨团队合作项目的进展。
8、其他要求：具备较强的学习能力和创新意识，能快速适应技术和业务的变化；工作严谨负责，能承受一定的工作压力，有人工智能公司算法研发经验者优先。