职位详情

岗位职责
1算法开发与优化
设计实现和优化机器学习/深度学习算法模型（如分类回归聚类NLPCV等）；
针对业务场景定制算法解决方案；
参与模型的训练调参评估及性能优化（如准确率速度资源占用等）；
模型设计与训练，针对业务场景（如陪护机器人的人脸识别语音交互）设计深度学习模型（RNN/Transformer），完成数据标注特征工程及模型训练；使用TensorFlow/PyTorch框架优化模型结构（轻量化设计），平衡精度与计算资源（如适配RK3588SNPU的INT8量化）；
嵌入式算法移植，将训练模型部署到边缘设备（STM32/RK3588S），使用TensorFlowLiteONNXRuntime或厂商工具链（如RKNN）实现端侧推理；针对硬件特性优化计算图（算子融合内存复用），确保实时性（如机器人动态避障算法延迟<200ms）；
传统算法开发开发信号处理算法（如传感器数据滤波FFT分析）或控制算法（PID路径规划）；实现多传感器融合（IMU+激光雷达）的SLAM建图与导航逻辑；
2数据处理与分析
清洗预处理大规模结构化/非结构化数据（文本图像视频等）；
构建特征工程，挖掘数据潜在规律，提升模型效果；
3数据闭环构建
数据采集与治理设计数据采集方案（如机器人运行日志用户交互录音），构建边缘云端数据管道；
开发数据清洗工具（去噪异常值处理）自动化标注系统（半监督学习）；
模型迭代与A/B测试通过在线学习（OnlineLearning）或联邦学习（FederatedLearning）持续优化模型；设计实验对比算法版本效果（如语音唤醒率提升5%），输出量化分析报告；
5模型部署与落地
将算法模型部署到生产环境，与工程团队协作完成服务化（如API微服务）；
解决模型在线推理的实时性稳定性可扩展性问题；
6技术研究与创新
跟踪前沿算法（如大语言模型强化学习多模态等），探索技术落地可能性；
发表专利论文或参与技术讨论会；
5跨团队协作
与产品业务团队沟通，理解需求并制定技术方案；
编写技术文档，输出算法设计逻辑和实验报告；
跨团队协作与硬件团队协同,参与主控芯片选型（如评估NPU算力是否满足YOLOv5s部署需求）；定义传感器规格（摄像头分辨率麦克风信噪比）以满足算法输入要求；
与嵌入式团队对接提供量化后模型（tflite/rknn），联合调试内存占用与推理速度；开发算法性能监控模块（如帧率CPU/内存异常告警）；
与产品经理联动将技术指标转化为用户体验参数（如95%的语音指令响应时间<1秒）；
评估功能可行性（如实时情感识别对RK3588S算力的占用率）
任职要求
1硬性要求
学历与专业
计算机数学统计学电子工程等相关专业（部分初级岗位接受优秀本科生）；
技术能力
熟练掌握Python（主流语言），熟悉C++/Java/Scala等更佳；
精通机器学习框架（如TensorFlowPyTorchScikitlearn）；
熟悉常见算法（如SVM随机森林神经网络Transformer等）及适用场景；
熟悉大数据工具（如HadoopSparkFlink）和数据库（SQL/NoSQL）；
有模型部署经验（如DockerKubernetesTensorRT）者优先；
数学基础
扎实的线性代数概率统计优化理论功底；
2加分项
熟悉领域技术（有语音/NLP或计算机视觉项目经验者优先，如NLP中的BERT/LLMCV中的目标检测）；
熟悉ROS及机器人算法者优先；
有高并发分布式系统开发经验；
顶会论文（NeurIPSCVPR等）或Kaggle/Tianchi竞赛成绩优异；
熟悉AutoML模型压缩（如量化剪枝）等技术；
3软技能
逻辑清晰，能快速定位和解决复杂问题；
良好的沟通能力，能将技术方案通俗化传达给非技术团队；
对业务敏感，能平衡技术先进性与落地成本