一岗位职责
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（CNN/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 RK3588S NPU 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 TensorFlow LiteONNX Runtime 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（Online Learning）或联邦学习（Federated Learning）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。
4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。
4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。
1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）。
2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）。
二任职要求
1硬性要求
- 学历与专业
- 硕士及以上学历，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TensorFlowPyTorchScikit-learn）。
- 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CNN/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（NeurIPSICMLCVPR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。

职位类别：

举报