1、算法模型研发与优化：基于TensorFlow、PyTorch等深度学习框架，负责核心算法模型的设计、训练与优化，重点围绕YOLO框架进行目标检测、识别等相关算法的研发，提升模型的精度、速度和鲁棒性，满足实际业务场景需求。 2、算法工程化部署：主导算法模型的工程化落地，制定合理的部署方案，将训练好的模型高效部署到生产环境，包括模型压缩、量化、推理加速等，确保算法在实际应用中具备高可用性和低延迟特性，适配不同的硬件平台和业务系统。 3、算法性能调优：针对线上算法应用中的性能问题，进行全面分析与调优，通过改进网络结构、优化训练策略、调整参数配置等方式，持续提升算法的运行效率和稳定性，解决高并发、大数据量场景下的算法瓶颈。 4、算法平台搭建与维护：参与或主导算法平台的建设，包括数据处理模块、模型训练模块、评估模块、部署模块等的设计与开发，搭建高效、易用的算法研发与管理平台，支撑团队的算法研发流程规范化和自动化。 5、技术方案设计与评审：参与业务需求分析，结合实际应用场景设计算法技术方案，提供专业的算法选型建议；参与技术方案评审，确保方案的可行性、先进性和经济性，降低技术风险。 6、数据处理与分析：负责算法研发所需数据的处理与分析，包括数据清洗、标注规范制定、数据增强等，保障训练数据的质量和数量，为算法模型的高效训练提供有力支撑。 7、跨团队协作与技术支持：与工程开发、产品、测试等团队紧密协作，提供算法技术支持，解决算法集成过程中的问题，推动算法成果在产品中落地应用；向相关团队传递算法知识，提升团队整体算法应用能力。 8、前沿技术跟踪与应用：跟踪国内外算法领域的前沿技术和研究成果，尤其是目标检测、深度学习工程化等方向的最新进展，进行技术调研与验证，将合适的新技术、新方法引入实际项目，提升团队的技术竞争力。