诺德凯(苏州)智能装备有限公司

职位描述
1.核心算法研发：负责深度学习技术在工业视觉领域的算法研发与实现，重点聚焦于缺陷检测、分类与分割等核心任务，并推动其在真实工业场景中的落地应用。
2.技术难题攻关：主导解决项目中的关键技术挑战与算法瓶颈，包括但不限于小样本学习、复杂背景干扰、细微缺陷检测、模型效率优化等实际问题。
3.全流程参与：参与数据采集、标注、模型训练、调试、部署及性能优化的完整算法生命周期，确保算法的稳定性与可靠性。
4.技术前瞻：持续跟踪计算机视觉与深度学习领域的前沿技术（如Transformer、自监督学习、域自适应等），并探索其在工业缺陷检测中的创新应用，保持团队技术竞争力。
任职要求
1. 必备基础
211.985硕士及以上学历，计算机科学、人工智能、模式识别、图像处理、自动化等相关专业。
具备扎实的数理基础，熟练掌握线性代数、概率论、数理统计与最优化方法。
2. 核心技术能力
理论与算法：
1.深入理解深度学习基础理论，熟练掌握CNN、RNN等主流网络架构。
2.精通目标检测（如YOLO系列、Faster R-CNN）、图像分割（如Mask R-CNN, U-Net）或异常检测中的至少一个领域。
3.了解传统图像处理算法（如特征提取、滤波、形态学处理）者优先。
编程与实践：
1.熟练掌握 Python，具备良好的编程习惯和工程实现能力。
2.熟练使用至少一种主流深度学习框架（如 PyTorch 或 TensorFlow）。
3.具备 C++ 开发能力，有模型部署（如ONNX、TensorRT、OpenVINO）经验者优先。
经验与素养：
1.对工业视觉应用场景有浓厚兴趣，并有相关项目或实践经验者优先。
2.具备优秀的问题分析、解决能力和创新思维，能够针对复杂问题设计有效的技术方案。
3.拥有良好的团队协作精神和沟通能力。

任职要求
1. 必备基础
211.985硕士及以上学历，计算机科学、人工智能、模式识别、图像处理、自动化等相关专业。
具备扎实的数理基础，熟练掌握线性代数、概率论、数理统计与最优化方法。
2. 核心技术能力
理论与算法：
1.深入理解深度学习基础理论，熟练掌握CNN、RNN等主流网络架构。
2.精通目标检测（如YOLO系列、Faster R-CNN）、图像分割（如Mask R-CNN, U-Net）或异常检测中的至少一个领域。
编程与实践：
1.熟练掌握 Python，具备良好的编程习惯和工程实现能力。
2.熟练使用至少一种主流深度学习框架（如 PyTorch 或 TensorFlow）。
3.具备 C++ 开发能力，有模型部署（如ONNX、TensorRT、OpenVINO）经验者优先。
经验与素养：
1.对工业视觉，机器视觉有浓厚兴趣，并有相关项目或实践经验者优先。
2.具备优秀的问题分析、解决能力和创新思维，能够针对复杂问题设计有效的技术方案。
3.拥有良好的团队协作精神和沟通能力。