崗位要求：
1.計算機視覺關鍵算法研發(fā)，包括物體檢測、識別，精細物體分類，多目標跟蹤算法等核心
算法研發(fā)；
2.利用模式識別/機器訓練實現(xiàn)復雜場景不同目標的特征提取、識別；
3深度學習相關模型網(wǎng)絡設計及AI相關分布式計算框架的搭建和性能優(yōu)化；
4.為提高AI識別效率和準確度，對視頻進行抖動矯正、畸變矯正等預處理的算法技術研發(fā)；
4.確保所負責的功能模塊能夠達到產(chǎn)品要求的質(zhì)量標準；
5.能承受較大工作壓力，較強的組織協(xié)調(diào)能力及溝通能力。
任職要求：
重點：做過C++高性能部署、算法設計、應用開發(fā)、網(wǎng)絡優(yōu)化
1.碩士及以上學歷，深度學習、計算機視覺識別、模式識別等相關專業(yè)；
2.熟練掌握計算機視覺和深度學習相關的理論知識和實踐技能；
（1）數(shù)學基礎
- 線性代數(shù)：矩陣運算、特征值分解、奇異值分解（SVD）等。
- 概率論與統(tǒng)計：貝葉斯定理、概率分布、期望與方差、假設檢驗等。
- 微積分：梯度、偏導數(shù)、鏈式法則、優(yōu)化問題（如梯度下降）。
- 優(yōu)化理論：凸優(yōu)化、拉格朗日乘數(shù)法、KKT條件等。
（2）機器學習基礎
- 熟悉經(jīng)典機器學習算法：線性回歸、邏輯回歸、決策樹、隨機森林、SVM、KNN、聚類算法（K-Means、DBSCAN）等。
- 理解模型評估指標：準確率、精確率、召回率、F1分數(shù)、AUC-ROC等。
（3）深度學習基礎
- 熟悉神經(jīng)網(wǎng)絡的基本結構：卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN/LSTM）、FastRCNN、Transformer等。
- 理解常見的優(yōu)化算法：YOLO、Deepsort、Strongsort、FaceNet、LPRNet
等。
- 掌握正則化技術：Dropout、Batch Normalization、L1/L2正則化等。
（4）編程能力
- 熟練掌握編程語言：Python、C++等。
- 熟悉常用深度學習框架：TensorFlow、PyTorch、TensorRT等。
- 熟悉數(shù)據(jù)處理工具：NumPy、Pandas、Scikit-learn等
3.熟悉linux操作系統(tǒng)，做過在嵌入式\ARM、服務器上部署