20-40K

感知算法开发工程师

岗位职责：
1.在嵌入式计算机平台上高效部署和优化常见的感知算法，确保算法在资源受限的环境中稳定运行。
2.熟悉神经网络模型的训练、优化和剪枝流程，能够有效地进行模型压缩和加速，以适应嵌入式系统的计算能力。
3.针对自动驾驶和机器人应用中的性能瓶颈，分析和优化感知算法，包括数据预处理、推理速度、内存使用等。
4.结合硬件架构特性，对模型的计算图进行优化，提升算法在嵌入式平台上的性能。
5.确保算法与中间件的高效集成，实现传感器数据与感知算法的无缝交互。
6.独立调试算法在实际场景中的运行效果，定位并解决相关技术问题，并推动算法迭代和完善。
7.记录调试过程和问题解决方案，编写技术文档，确保技术分享和知识传递。
任职要求：
1.教育背景：计算机科学、电子工程、自动化、机器学习或相关专业本科及以上学历。
2.实操经验：至少2年在嵌入式计算机设备上部署和优化感知算法的经验，具备丰富的神经网络训练和部署实践。
3.感知算法知识：掌握目标检测、语义分割、物体跟踪等常见感知算法的基本原理和实现方法。
4.神经网络：具备深度神经网络的训练、优化和裁剪经验，了解模型压缩和加速的各种技术，如量化、剪枝和知识蒸馏。
5.编程能力：精通C/C++和Python，具备扎实的算法实现能力；熟悉Linux嵌入式开发环境。
6.中间件经验：熟悉ROS、CyberRT等机器人中间件框架，能够高效地集成感知算法和中间件系统。
7.工具经验：熟练使用TensorFlow、PyTorch等框架进行模型训练，并能够使用TensorRT、ONNX Runtime、TVM等工具将模型高效部署到嵌入式平台。
8.问题定位与解决：具备分析和解决模型性能瓶颈的能力，能够对内存管理、计算图等方面进行优化。
9.团队协作：具有良好的沟通能力，能够与感知算法团队和嵌入式开发团队紧密合作，确保算法高效可靠地部署在产品中。
加分项：
有自动驾驶、机器人等场景中的深度学习感知算法部署经验。
具备在嵌入式平台上优化和加速深度学习模型的实战经验，熟悉NVIDIA Jetson或其他硬件加速方法。