资深图像算法工程师工程师

1. 通用医学影像大模型的设计与研发： - 构建具有高度通用性和高性能的医学影像大模型，覆盖多个影像领域和任务。 - 实现模型在少量数据条件下的高效学习，达到或超越当前最优水平。 2. 模型架构创新与优化： - 设计和实现创新的模型架构，提升模型的通用性和性能。 - 结合自监督、半监督学习技术，增强模型的泛化能力。 3. 多任务与多模态模型开发： - 开发支持多任务（分类、检测、分割等）的模型，实现任务间的协同学习。 - 处理多模态数据（图像、视频等），实现不同数据形式的融合分析。 4. 模型效率提升与工程化落地： - 优化模型的训练和推理效率，确保模型在实际应用中的高效性。 - 负责模型的部署和工程化，实现算法在产品中的稳定应用。 5. 前沿技术研究与应用： - 跟踪计算机视觉和医学影像领域的最新研究进展，保持技术领先性。 - 将前沿技术应用于实际项目中，持续提升模型性能。 6. 技术难题的解决与创新： - 针对项目中遇到的技术难题，进行深入研究和分析，提出有效的解决方案。 - 引领团队技术方向，推动关键技术突破。 7. 团队协作与项目管理： - 与团队成员紧密合作，共同完成研发任务。 - 参与项目规划与进度管理，确保项目按时、高质量交付。

1. 学历要求： - 计算机科学、人工智能、电子工程、生物医学工程等相关专业硕士及以上学历，博士学位者优先。 2. 工作经验： - 3年以上计算机视觉、深度学习或医学影像处理相关经验。 - 有大型深度学习模型研发经验，参与过大模型项目者优先。 3. 专业技能： - 深度学习与算法： - 熟练掌握深度学习原理，精通CNN、Transformer、GAN等模型。 - 熟悉自监督、半监督学习方法，有实际项目应用经验。 - 具备多任务、多模态学习的理论知识和实践经验。 - 医学影像处理： - 熟悉医学影像数据的特点和处理方法，具备病理图像、超声、X光、CT等数据处理经验。 - 有医学影像视频分析经验者优先。 - 模型优化与工程化： - 熟悉模型压缩、量化、剪枝等模型优化技术。 - 具备模型部署、推理加速及分布式训练经验。 4. 编程能力： - 熟练使用Python，精通TensorFlow、PyTorch等深度学习框架。 - 具备良好的代码规范和工程实践能力，能够编写高质量代码。 5. 科研与创新能力： - 在顶级或知名学术会议、期刊发表过高水平论文者优先。 - 具备强烈的创新意识，能够主动提出并实现新颖的模型和算法。 6. 综合素质： - 解决问题能力：善于分析和解决复杂技术问题，有应对挑战的积极态度。 - 沟通协作：具备良好的团队合作精神和沟通能力，能够与多团队合作。 - 学习能力：对新技术具有强烈的好奇心，能够快速学习和应用新知识。 - 责任心：工作积极主动，具备高度的责任感和敬业精神。

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。