记录一下阿里钉钉部门暑期实习timeline

面完模型训练与AI运营-视图方向，以下是个人的小看法一、岗位通俗解读视图方向≠前端页面视图=AI视觉画面赛道专注：图片/视频帧/场景画面识别，属于视觉模态AI运营，不做文本、音频多模态，只搞画面模型落地与迭代。简单说：管视觉模型的数据、训练效果、线上bug、迭代优化，偏落地运营，不搞底层算法研发。二、核心工作内容1. 视图数据治理：清洗业务画面、过滤模糊/遮挡/过曝坏图、筛选正负样本、归一化数据集2. 模型微调实验：视觉模型微调、调参、对比实验、指标评测（准确率/召回率/误漏检）3. 线上运营迭代：收集画面识别Bad Case、问题归因、难样本回流、模型版本迭代4. 业务落地：制定标准拍摄视图规范，提升模型真实场景适配率三、面试高频必问真题1. 视图AI运营和普通AI运营的区别？普通AI运营侧重文本对话、prompt优化。视图方向专攻视觉画面，核心解决光线、角度、遮挡、画面畸变导致的识别误差，对图像场景敏感度要求更高。2. 视觉视图模型常见Bad Case？- 环境问题：暗光、强光、逆光识别失效- 画面问题：角度倾斜、画面畸变、物体遮挡- 场景问题：背景复杂、相似物体干扰- 设备问题：画质模糊、压缩失真3. 完整迭代流程需求拆解 → 视图数据清洗筛选 → 微调实验 → 离线评测 → 灰度上线 → 线上抽检 → case归因回流 → 模型迭代4. 如何提升模型场景适配性？补充极端场景样本、图像数据增广、稀缺场景增量训练、统一业务拍摄标准四、岗位适配人群适合：有AI运营、数据标注、模型微调、case复盘、数据分析经验的同学偏实操、重落地、不卷算法论文，非常适合求职AI中后台运营岗！

4.29晚上面的 总共40多分钟。日常打招呼，自我介绍。1、拷打项目· 介绍一下多感知任务的这个项目是怎么做的？（目标检测、语义分割以及深度估计）· 你对于目前深度估计这个发展的看法（AI更好还是传统更好？）· 终端部署的时候你们算力限制是多少？在什么设备上面？运算速度如何？有没有做任何的优化？· 大概说一下模型的端侧部署的关键技术。（不仅仅讲流程，需要知道这个过程中会遇到的常见的问题）· 英语怎么样？用英语做个自我介绍。（确实没太准备，换了个开放性的英语问题。 How do u think about AI Agent in the future?）2、反问· 问了一下部门所负责的业务，做哪些工作？总结：目前来说，感觉企业很看重端侧部署的经验，感觉这个还蛮吃香？基本约面的都会问这个。然后其次就是对感知任务本身的了解、任务本身的原理？模型架构的熟悉程度？是否有着手调优模型的经验？二编5.26已oc

问下大伙为啥笔试直接免了，大伙都这样吗

牛友们有收到去哪儿春招 offer 的吗，等了一个月还是没消息是不是基本上 g 了