安克创新投影-智能化算法工程师
任职要求
1. 计算机、电子信息、自动化、数学等相关专业,本科及以上学历; 2. 熟悉计算机视觉、图像处理或信号处理相关基础算法; 3. 了解常见传感器(如TOF、红外、磁编、G-sensor等)的基本原理及应用; 4. 对深度学习、机器学习算法有一定了解,熟悉常见框架(如TensorFlow、PyTorch等)者优先; 5. 编程能力:熟悉至少一种编程语言(如Python、C++、Matlab等),具备良好的代码能力; 6. 学习能力:对新技术充满热情,具备较强的学习能力和问题解决能力; 7. 团队协作:具备良好的沟通能力和团队合作精神,能够积极参与团队项目; 8. 加分项:有相关实习、项目经验或竞赛获奖经历者优先。
工作职责
1. 参与投影仪智能化算法的研究与开发,协助完成智能化系统的设计与实现; 2. 协助团队进行智能化算法的技术方案设计、评估与优化; 3. 参与智能化系统的测试方案设计与实施,协助完成相关实验与数据分析; 4. 学习并应用最新的计算机视觉、图像处理及多模态算法,支持产品智能化功能的实现; 5. 在导师指导下,参与智能化相关技术的前沿研究与探索。
职位描述: 1.参与投影仪智能化算法的研究与开发,协助完成智能化系统的设计与实现; 2.协助团队进行智能化算法的技术方案设计、评估与优化; 3.参与智能化系统的测试方案设计与实施,协助完成相关实验与数据分析; 4.学习并应用最新的计算机视觉、图像处理及多模态算法,支持产品智能化功能的实现; 5.在导师指导下,参与智能化相关技术的前沿研究与探索。
加入我们,重塑影像创作的未来! 我们的独特战场——两类产品,双重创造力引擎 作为硬件旗舰的“智慧搭档”,将为无人机/手持设备注入创作全链路的智慧基因:从拍摄后的素材智能归集、AI辅助剪辑,到一键分享的极致流畅体验; 挑战点:重构创作效率——让用户从繁琐操作中解放,专注创意本身。 作为软件驱动的“颠覆者”,将以画质增强算法、视频的拼接算法、AI场景智能识别、影像叙事引擎为核心武器,打造“人无我有”的竞争力壁垒。 突破点:让普通设备输出专业级影像——通过算法突破硬件物理限制,重新定义画质天花板。 1. 负责DJI 产品视频智能成片,视频画质提升,图像匹配对齐相关算法开发和优化工作; 2. 负责参与上述功能在产品侧的落地; 3. 持续跟踪国内外视频理解和处理技术相关进展,并根据业务需要进行创新和落地。
研究方向一:多决策变量联合因果效应建模 该方向建模和评估多维单一干预动作或多干预动作的联合因果效应。关键问题点如下: 1.识别多干预动作、单干预动作多维间是否存在相互作用,并解决高维混杂空间投影问题,量化这些相互作用的影响。 2.解决交叉混杂效应等难题,建立多干预动作、多干预维度的联合分布模型,量化预估共同作用时的联合因果效应。 3.预估用户/群体粒度的多干预动作因果效应,并提供直观解释,帮助决策者理解更好的制定有效策略。 研究方向二:基于强化学习的序列化因果建模和决策 该方向研究特定业务场景下,通过序列化的干预动作设计,实现有限资源下的累积收益最大化。关键问题如下: 1.建立连续决策因果归因能力:准确估计在前置treatment序列下,当前干预动作选择的用户个性化因果效应。 2.基于强化学习的序列化决策:基于因果效应的预估,运用强化学习技术做出本次干预动作的最优化决策;学习干预顺序和时间间隔对结果的影响,优化组合干预策略以达到最佳的结果。 3.延迟因果效应建模:干预动作的影响可能不会立即显现,如何表征延迟效应、建模长程因果传导效应,并基于对未来流量或用户行为的预估,做出前瞻性的决策。 研究方向三:基于LLM的用户意图识别和营销增长机会点发现 该方向研究如何充分利用LLM的序列推理能力,基于用户行为序列实时识别用户意图和营销增长机会点。关键问题如下: 1.潜在意图识别:构建显性→潜在→衍生的意图金字塔模型和多层级attention机制,增强隐式关系捕捉能力,提升意图识别覆盖率。 2.提升意图识别准确率:系统性构建高质量意图数据集,合理应用RAG技术,建设RLHF和对抗性数据增强能力。 3.提升意图可解释性:解决用户表层表达与深层需求间的语义断层,融入因果推理模块、构建反事实注意力机制。 研究方向四:观测样本与RCT样本的消偏融合研究 样本消融研究主要关注如何结合不同来源的数据改善因果推断的准确性和可靠性。关键问题如下: 1.如何识别和消除观测数据中的混淆偏差,如何识别同时影响treatment和结果的混杂因素。 2.如何针对业务场景和数据集特点,选择合适的消偏算法,消除观测数据中的选择偏差和控制RCT数据的归纳偏差。 3.如何有效地融合RCT和观测数据,以利用两者的优势并克服各自的限制,有效降低方差的同时尽可能得到无偏估计。