## Image Recognition Engineer介绍
### 简介
主要负责图像处理算法研发、模型优化和工程化部署，在智能安防、医疗影像分析、自动驾驶等场景有广泛应用。需熟悉CNN、ResNet等经典网络架构，掌握PyTorch/Keras框架。
### 职业方向
初级图像识别工程师→中级算法工程师→高级视觉算法专家→计算机视觉技术总监/人工智能首席科学家
### 核心技能
Python编程,OpenCV,深度学习框架(TensorFlowPyTorch),图像处理算法,CNN网络设计,模型调优,线性代数与概率统计
### 相关技能
[机器学习](https://s.niuqizp.com/s_campus_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/?ur=article)， [目标检测](https://s.niuqizp.com/s_campus_%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B/?ur=article)， [图像分割](https://s.niuqizp.com/s_campus_%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2/?ur=article)， [模型压缩](https://s.niuqizp.com/s_campus_%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9/?ur=article)， [OpenVINO加速](https://s.niuqizp.com/s_campus_OpenVINO%E5%8A%A0%E9%80%9F/?ur=article)， [计算机二级(编程类)](https://s.niuqizp.com/s_campus_%E8%AE%A1%E7%AE%97%E6%9C%BA%E4%BA%8C%E7%BA%A7%28%E7%BC%96%E7%A8%8B%E7%B1%BB%29/?ur=article)
### 相关专业
[计算机科学与技术](https://s.niuqizp.com/s_campus_计算机科学与技术/?ur=article)， [软件工程](https://s.niuqizp.com/s_campus_软件工程/?ur=article)， [人工智能](https://s.niuqizp.com/s_campus_人工智能/?ur=article)， [电子工程](https://s.niuqizp.com/s_campus_电子工程/?ur=article)， [信息工程](https://s.niuqizp.com/s_campus_信息工程/?ur=article)， [自动化](https://s.niuqizp.com/s_campus_自动化/?ur=article)， [数学与应用数学](https://s.niuqizp.com/s_campus_数学与应用数学/?ur=article)
### 相关证书
[TensorFlow开发者认证](https://s.niuqizp.com/s_campus_TensorFlow开发者认证/?ur=article)， [Amazon机器学习认证](https://s.niuqizp.com/s_campus_Amazon机器学习认证/?ur=article)， [阿里云计算机视觉认证](https://s.niuqizp.com/s_campus_阿里云计算机视觉认证/?ur=article)， [计算机技术与软件专业技术资格(嵌入式系统设计师)](https://s.niuqizp.com/s_campus_计算机技术与软件专业技术资格(嵌入式系统设计师)/?ur=article)
### 相关岗位
[计算机视觉算法工程师](https://s.niuqizp.com/s_campus_计算机视觉算法工程师/?ur=article)， [AI图像处理工程师](https://s.niuqizp.com/s_campus_AI图像处理工程师/?ur=article)， [深度学习算法工程师](https://s.niuqizp.com/s_campus_深度学习算法工程师/?ur=article)， [模式识别工程师](https://s.niuqizp.com/s_campus_模式识别工程师/?ur=article)， [机器学习工程师](https://s.niuqizp.com/s_campus_机器学习工程师/?ur=article)， [智能硬件算法工程师](https://s.niuqizp.com/s_campus_智能硬件算法工程师/?ur=article)
### 求职建议
应届生建议：1）完成3个以上完整CV项目（如手势识别/缺陷检测） 2）在Kaggle等竞赛积累图像识别实战经验 3）掌握至少一种主流框架的模型部署方案（TensorRT/ONNX） 4）提前学习OpenCV-Python编程实战 5）关注CVPR/ECCV顶会论文提升理论深度
