logo of jd

京东算法工程师-计算机视觉

校招全职数据与算法类地点:北京状态:招聘

任职要求


1-2025年10月1日至2026年9月30日期间毕业,统招本科及以上学历;
2-拥有但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、数学等相关专业学习背景,熟悉计算机视觉机器学习、图像/视频分析与处理等相关领域的技术知识,有一定实践经验更优;
3-至少熟悉JavaCC++Python中的一门语言,有较强的编程能力,了解常用机器学习/深度学习框架,如:TensorFlowPytorch、Caffe等;
4-拥有良好的逻辑思维能力,良好的沟通能力、团队合作精神和学习能力,充满技术热情与理想;
5-符合京东价值观:客户为先、创新、拼搏、担当、感恩、诚信。

工作职责


1-与各业务、产品、工程团队配合,在京东亿量级的数据与丰富的业务应用场景中不断进行深入的计算机视觉研发,包括但不限于图像/视频的分析、诊断、合成、搜索等方面的研究及系统、产品开发;
2-参与到京东计算机视觉的相关技术应用场景中,包括但不限于图像检测、图像分类、图像分割、视频语义分析、图像/视频搜索、人脸识别与分析、物体检测、工业与医学诊断、车辆与人员的检测识别与跟踪、OCR等内容; 
3-与京东的技术团队及科学家们一同参与深度学习、机器学习的前沿研究,开发算法和模型来解决真实计算机视觉问题,助力业务提升效率,实现京东技术愿景和战略。
包括英文材料
学历+
模式识别+
OpenCV+
机器学习+
Java+
C+
C+++
Python+
深度学习+
TensorFlow+
PyTorch+
相关职位

logo of jd
实习数据与算法类

1. 与各业务、产品、工程团队配合,在京东亿量级的数据与丰富的业务应用场景中不断进行深入的计算机视觉研发,包括但不限于图像/视频的分析、诊断、合成、搜索等方面的研究及系统、产品开发; 2. 参与到京东计算机视觉的相关技术应用场景中,包括但不限于图像检测、图像分类、图像分割、视频语义分析、图像/视频搜索、人脸识别与分析、物体检测、工业与医学诊断、车辆与人员的检测识别与跟踪、OCR等内容; 3. 与京东的技术团队及科学家们一同参与深度学习、机器学习的前沿研究,开发算法和模型来解决真实计算机视觉问题,助力业务提升效率,实现京东技术愿景和战略。

更新于 2024-03-01
logo of aliyun
实习阿里云2026届

阿里云持续推进AI 技术深化战略布局, 围绕AI 和云计算的基础设施建设、AI基础模型平台、企业级AI应用方向构建核心场景。为此,我们正积极招募优秀人才: 具体职责包括但不限于: 1、负责图像/视频的分析、诊断、搜索、合成等方面的算法研究、系统研发和产品开发,包括图像检测、图像分类、图像分割、图像跟踪、视频语义分析、人脸识别与分析、车辆与人员的检测识别与跟踪、工业与医学诊断、图像/视频搜索、页面分析与自动合成、OCR等; 2、负责图像/视频相关算法的前沿技术探索,包括机器学习方法以及深度学习在机器视觉中的应用,以及计算机视觉与自然语言处理、计算机图形学等相关领域的联合创新。

更新于 2025-04-29
logo of youku
实习虎鲸文娱2026

如果你热爱追剧、看电影,并对内容与品质有着极致的追求; 如果你既有深厚的理论功底,又能快速付诸实践; 那么,欢迎加入优酷多媒体算法团队! 在这里,你可以上班时间看大片,寻找灵感、激发创意; 在这里,你将与行业顶尖专家并肩,共同定义高清体验的新标准; 在这里,你将有机会探索AI技术在视频产业超高清化浪潮中的无限潜能,为亿万用户带来前所未有的视觉盛宴。 在这里,你将负责研发视频处理算法,设计视频处理方案,端到端提升平台视频播放体验。具体包括: 1、支持画质增强相关算法研究和落地,包括但不限于去噪、去模糊、修复、HDR、插帧等; 2、支持视频端到端全链路体验问题分析、定义与优化; 3、深入理解视频技术底层原理,持续跟踪国内外图像和视频技术相关进展,基于业务场景进行创新与落地。

更新于 2025-05-06
logo of amap
实习高德地图2026

我们正在寻找对计算机视觉技术充满热情的算法工程师,加入我们的前沿技术研发团队。您将专注于视觉感知算法的研发与优化,推动其在地图数据生成、自动驾驶感知、智慧城市等场景中的落地应用,为用户提供更精准、更智能的服务。 主要职责 1、视觉感知算法研发:开发业界领先的计算机视觉算法,涵盖目标检测、语义分割、实例分割、姿态估计等核心任务。探索基于深度学习的视觉感知技术(如Transformer、Diffusion Models),提升复杂场景下的感知精度与鲁棒性。 2、研究多模态融合技术(如图像+点云+IMU),实现高精度的环境理解与动态场景建模。 3、模型优化与性能提升,优化视觉感知模型的推理速度和计算效率,支持端侧设备(如车载硬件、移动端)的高效部署。 4、探索适合大模型的压缩与加速技术(包括但不限于量化、剪枝、知识蒸馏等),降低资源消耗。 5、业务场景落地:将视觉感知技术应用于实际业务场景,如地图数据生成(道路、POI识别)、自动驾驶感知、智慧城市建设等。 6、与产品、工程团队紧密合作,推动技术从研发到上线的全流程落地,确保技术方案的实际效果。

更新于 2025-03-03