1、項目技術(shù)可行性分析:需求分析、技術(shù)調(diào)研、技術(shù)方案設(shè)計、評估技術(shù)棧、技術(shù)風險評估。
2、項目任務(wù)分解:分解項目子模塊、劃分子任務(wù)、任務(wù)優(yōu)先級評估
3、代碼設(shè)計:設(shè)計架構(gòu)、實現(xiàn)核心功能
4、數(shù)據(jù)集標定規(guī)范擬制和數(shù)據(jù)集標定:明確標定目標、制定標定規(guī)范、標定規(guī)范培訓;收集數(shù)據(jù)、數(shù)據(jù)預處理、數(shù)據(jù)標定
5、算法模型選擇:需求分析、模型評估、模型驗證
6、算法模型訓練:配置訓練環(huán)境、設(shè)置訓練參數(shù)、訓練模型
7、算法優(yōu)化:性能評估、超參數(shù)調(diào)整、模型融合
3、熟悉常用的數(shù)據(jù)結(jié)構(gòu),熟練掌握常用的設(shè)計模式,具有較強的算法實現(xiàn)能力。
4、熟悉深度學習的開源框架,如TensorFlow、PyTorch、Caffe等,并能夠熟練使用它們。
5、熟悉圖像處理、模式識別算法,熟練使用OpenCV等常用視覺計算開源庫。
6、熟悉基于點云的神經(jīng)網(wǎng)絡(luò)模型(例如PointNet、PointNet++等)。
7、熟悉至少一個常用的深度學習部署框架,如OpenVINO、TensorRT等。
8、對模型剪枝技術(shù)有深入的了解和實踐經(jīng)驗,包括但不限于結(jié)構(gòu)化剪枝、非結(jié)構(gòu)化剪枝、稀疏化等。
9、熟練掌握相關(guān)算法和工具,如權(quán)重評估方法、梯度信息分析、敏感度分析等,以支持剪枝決策。
10、對機器學習、深度學習有較為深入的理解,熟悉常用機器學習算法及常見的CNN網(wǎng)絡(luò)、RNN/LSTM網(wǎng)絡(luò)、目標檢測框架和語義分割模型等,并有相關(guān)的實踐經(jīng)驗。
11、 有實際的AI算法到平臺的部署經(jīng)驗,如intel iGPU、intel NPU、NVIDIA GPU(Jetson)等平臺模型部署經(jīng)驗。
12、有相關(guān)領(lǐng)域的項目經(jīng)驗,熟悉模型轉(zhuǎn)換、集成和驗證流程,有處理圖形、圖像、點云、音頻等多媒體數(shù)據(jù)的經(jīng)驗者優(yōu)先。
13、溝通能力與團隊合作精神,要求具備較強的學習分析能力、溝通能力、鉆研精神以及團隊合作精神。
天津 - 西青
天津市聯(lián)大通訊發(fā)展有限公司天津 - 濱海新區(qū)
天津(濱海)人工智能創(chuàng)新中心天津 - 南開
天津朝霞摩托車技術(shù)開發(fā)有限公司天津 - 東麗
天津三英精密儀器股份有限公司天津 - 西青
經(jīng)緯恒潤天津 - 西青
技騰科技(天津)有限公司