算法工程师2

与厂务运维、设施管理工程师协同，参与半导体行业AI智能巡检与预测性维护平台的核心算法研发工作，重点聚焦厂务场景下表计视觉识别及设备健康管理算法的构建与优化；

负责厂务巡检场景下复杂图像处理算法的实现与优化，包括指针式仪表与数显仪表的检测、分割及读数识别，针对工业常见干扰进行算法适配与效果调优；

参与厂务关键动力设备预测性维护算法的研究与开发，基于多传感器时序数据完成设备异常检测、状态评估及趋势预测等算法的建模与验证；

协助完成算法性能评估体系的搭建，参与设计表计读数误差容忍度、识别准确率、故障预警查全率等评价指标，持续迭代优化模型性能；

与嵌入式软件及系统开发团队协作，参与视觉模型在边缘端的轻量化部署与推理优化，配合完成算法工程化落地。

硕士学历，自动化、电气工程及其自动化、测控技术与仪器、仪器仪表工程等相关专业；

算法基础：具备扎实的机器学习、深度学习理论基础，熟悉计算机视觉、OCR或时间序列分析领域的常用算法，在校期间有独立完成模型搭建、训练与调优的项目经验；

编程能力：熟练掌握Python编程，熟悉PyTorch或TensorFlow等主流深度学习框架，了解OpenCV等图像处理库；

视觉方向（满足其一即可）： ①了解目标检测/图像分割基础算法（如YOLO、U-Net、DeepLab等）； ②了解图像预处理常用方法，对解决反光、模糊、低照度等图像质量问题有兴趣或实践经验；

时间序列/预测性维护方向： ①了解常用时序预测模型（如LSTM等）或异常检测算法（如Autoencoder等）； ②了解信号处理基础知识（如傅里叶变换、滤波等），有多传感器数据融合或设备振动/温度数据分析经验者优先；

大模型：了解大语言模型（如Qwen、LLaMA）或视觉基础模型（如SAM、CLIP）的基本原理，对LoRA微调、RAG检索增强生成等技术的工业落地场景有一定认知；了解模型