分享
2023年高级算法工程师的主要职责说明.docx
下载文档

ID:1789626

大小:10.16KB

页数:5页

格式:DOCX

时间:2023-04-22

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
2023 年高 算法 工程师 主要职责 说明
高级算法工程师的主要职责说明   高级算法工程师需要实现软件组件的架构设计,建模和可视化。下面是办公室小编整理的高级算法工程师的主要职责说明。   高级算法工程师的主要职责说明1   职责:   1、负责产品图像算法的设计和研发,包括图像的三维重建算法、双能物质识别算法、物质标定和数据校正前处理的算法开发和测试验证;分解任务并指导相关人员进行代码开发;   2、负责选定局部代码的外包方,协调外包方并控制其工作周期和工作质量;   3、负责产品图像的伪影去除和图像质量优化,根据测试结果优化算法;   4、负责算法的并行加速优化;   5、负责设计开发过程的设计文件及记录文件的编制和归档。   任职要求:   1、具有辐射成像相关的物理知识和CT重建算法、校正算法方面的开发经验,有双能物质识别算法方面经验者优先;   2、精通C++或MATLAB语言,有基于CPU以及GPU编程的工作经验;   3、具有伪影去除经验和较强的图像阅读能力;   4、具备良好的编程风格和文档编写能力;   5、良好的团队合作意识和沟通能力,具备优秀的学习能力;   高级算法工程师的主要职责说明2   职责:   1、分析客户/内部的功能和性能需求;   2、深入理解现有电控产品标准和设计的根底上,优化或开发新的功能算法;   3、利用试验室或整车环境进行测试验证;   4、向客户提供技术支持;   5、支持工程团队或其他同事的工作。   任职要求:   1、教育背景:全日制二本及以上学历(专科要求十年工作经验),欢送硕士和博士参加!车辆工程、自动控制、机械电子、计算机科学、应用数学等相关专业;   2、工作经验:3年以上汽车行业标定或开发经验,具有底盘开发经验者优先;   3、具有车辆底盘、控制理论和车辆动力学等根底知识;具有编程经验;拥有驾照;具有英语读写能力;熟悉办公软件。   高级算法工程师的主要职责说明3   职责:   负责大数据算法设计及实现工作,并将研究成果形成应用,推进实际业务开展;   负责大数据算法框架体系架构设计和相关技术路线规划;   大数据并行计算框架的设计和建设;   并行算法的设计和实现、调试和优化;   在开发工作中发现存在的问题,并提出改良意见。   任职资格:   对数学建模、数据挖掘、机器学习或相关领域有一定了解;   熟悉软件开发流程,较好的文档能力及编码风格   统招本科以上,计算机、数学或相关专业;   高级算法工程师的主要职责说明4   职责:   1、分析,跟踪业务组的需求,对需求进行数学建模,并设计算法进行求解。   2、实现和优化现有数学模型和算法。   3、指定标准,编写相关文档。   4、指导和协助开发人员高效准确的实现算法。   职位要求:   1、硕士及其以上学历,计算机科学或应用数学专业,且研究方向为运筹学算法(优先考虑);   2、具有扎实的数学理论根底。对线性规划、整数规划等问题有自己的理解。   3、熟悉数据结构和算法。   4、熟悉路径规划、任务分配等问题的建模和求解。   5、较强的工程能力,熟悉Python,java, C/C++等主流语言,熟练使用cplex,lingo、google or tools等优化求解工具。   6、具备良好的学习能力、逻辑思维、沟通能力和团队协作精神,对技术有非常强烈的热情。   高级算法工程师的主要职责说明5   职责:   1.负责基于图像数据的目标检测、聚类、识别、分割场景理解的算法开发,实现高精地图数据的智能化、自动化生产   2.负责融合数据源的目标检测识别和语义分割算法的研发   3.负责研究和探索基于传统算法和基于深度学习的前沿算法开展,不断优化迭代,保证产品在相关领域的先进性和竞争力   任职要求:   1.计算机信息科学、人工智能、数学或相关专业本科以上学历,3年以上相关工作经验,扎实的概率统计, 线性代数理论根底   2.熟悉Linux开发,精通C/C++,Python编程   3.精通深度学习物体检测、识别、语义分割理论及算法如CNN, RNN等并有实际工程经验   4.熟悉常用2D/3D检测识别框架及根底网络,如YOLO、Faster RCNN、FCN等   5.熟悉深度神经网络加速、压缩、裁剪方法。   6.丰富的基于主流框架如Caffe、TensorFlow、PyTorch的工程开发经验;具有丰富的神经网络训练、调优经验,包括数据清洗、扩增、样本均衡等数据处理经验。

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开