1. 硕士以上学历，计算机、电子信息或软件等相关专业； 2. 熟练掌握计算机视觉&机器学习的基本方法； 3. 较强的算法实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 编程之一; 4. 算法基础扎实，掌握常见设计模式，具有良好代码风格和质量意识，能独立完成算法模块设计、开发和测试； 5. 优秀的分析问题和解决问题的能力，对解决具有挑战性的问题充满激情； 6. 良好的沟通能力和团队合作能力； 7. 满足以下一个或多个条件的，优先考虑： 1) 有较强的研究能力者优先，例如在国际顶尖会议或期刊（包括但不限于CVPR, ICCV, ECCV, NIPS, ICML, AAAI, TPAMI, IJCV等）上发表过论文； 2) 有较强的代码能力者优先，获得过ACM或其他商业代码竞赛的荣誉，如ACM区预赛金牌、NOI银牌以上、百度之星决赛等，或代码开源在GitHub上并有较大影响； 3) 有较强的比赛经验者或者在重要数据集的排行榜上排名靠前的优先，这些比赛包括但不限于ImageNet等相关竞赛、Kaggle等一些国内外商业比赛、亚太大学生/国际空中/Robomaster机器人大赛等； 4) 有较丰富的相关经验者优先，比如有一年以上在人工智能领域公司进行计算机视觉&机器学习方面实习的经验，或来自国内外计算机视觉/机器学习/计算机图形学/数据挖掘等领域内知名实验室。

1、硕士以上学历，计算机、软件工程相关专业； 2、扎实的数据结构和算法设计基础，熟练使用python； 3、在OCR领域有深入的研究，熟悉常用的图像处理、机器学习算法，字符识别特征和分类器设计，有相关研究或项目经验； 4、有深度学习(CNN/DBN/RNN等)研发背景，熟悉至少一种深度学习训练工具(Caffe/Theano/Keras/ConvNet/TensorFlow/Torch等)；有LSTM、EAST模型研发经验优先； 5、在该领域有高质量论文或参加竞赛并获得优异成绩者优先； 6、具备良好的团队合作精神，较强的沟通。

1、计算机、模式识别、应用数学等相关专业毕业，国家统招硕士以上学历; 2、熟悉人脸识别过程中的检测、对齐、关键点提取、特征提取、特征比对等流程； 3、熟练使用python、C/C++、Matlab编程; 4、熟练掌握模式识别、计算机视觉、图像处理等领域相关理论和算法; 5、熟悉至少一种深度学习框架(TensorFlow/Caffe/MXNet/PyTorch/Keras等)； 6、对人脸识别等生物识别算法及深度学习算法有深入研究者优先考虑 7、具有较强的英文阅读能力，能够熟练阅读英文论文，并进行实现; 8、在该领域有高质量论文或参加竞赛并获得优异成绩者优先；