自监督学习与模型优化算法工程师

1.研究和开发自监督、半监督学习算法，处理大量无标签或少量标签的医学影像数据； 2.优化模型基座架构，提高模型在少量数据下的性能； 3.设计并实现面向医学影像的自监督预训练模型，提升模型的泛化能力； 4.应用模型压缩、剪枝、量化、蒸馏等技术，提升模型效率和性能； 5.结合医学影像数据特点，探索创新的数据利用方法，实现模型性能的显著提升； 6.与团队合作，提高模型在各应用领域的适应性和稳定性。

1.硕士及以上学历，机器学习、计算机视觉、统计学等相关专业； 2.熟悉自监督学习、半监督学习算法，有相关研究或项目经验； 3.掌握模型优化技术，具备模型压缩、剪枝、量化等实践经验； 4.良好的数学基础和编程能力，熟练使用Python等编程语言； 5.具备独立思考和解决问题的能力，良好的团队协作精神。 加分项： 1.有医学影像数据处理经验； 2.熟悉GAN、对比学习等先进技术； 3.在模型架构创新方面有突出贡献。

医学AI前沿领域深度实践 聚焦染色体核型分析、医学影像智能诊断等医疗场景，涉及深度学习、计算机视觉等核心技术，算法成果直接应用于AutoVision（智能分析软件）及MetaSight（医疗设备），推动辅助生殖、遗传病诊断等临床技术的革新。 跨学科协同与全栈技术落地 与生物医学专家、硬件工程师紧密合作，贯通算法研发-数据标注-模型优化-嵌入式部署全链路，覆盖云端分析到边缘计算的多场景需求，实现从理论到医疗产品的闭环验证，技术价值可量化且具备行业壁垒。