【岗位职责】1.参与医学图像深度学习模型的训练、验证和测试，包括实验配置、模型运行、 结果统计和实验记录。2.协助完成图像分类、目标检测、图像分割等模型的效果评估，统计并分析 Accuracy、Precision、Recall、F1 Score、AUC、IoU、Dice 等指标。3.根据模型测试结果开展误差分析，整理误检、漏检及分割效果不佳的典型案例， 协助定位数据或模型问题。4.使用 Python 和 PyTorch 编写、运行及修改模型训练与推理代码，完成数据加载、 参数配置、模型测试和结果可视化。5.参与模型调参及对比实验，评估不同模型、参数、损失函数和数据处理方案对结果的影响。6.参与医学图像数据的清洗、筛选、标注检查和质量控制，识别重复数据、错误标注、 低质量图像及异常样本。7.协助完成训练集、验证集和测试集的划分与管理，关注数据分布、类别不平衡和数据泄漏等问题。8.整理实验结果并形成规范的测试记录、问题清单和分析报告，配合算法工程师完成问题排查。9.严格遵守医学数据安全、患者隐私保护及公司数据管理规范。【任职要求】1.本科或硕士在读，计算机、人工智能、软件工程、生物医学工程、医学影像、数学等相关专业。2.理解深度学习基本原理及模型训练、验证和测试的完整流程，了解损失函数、 优化器、学习率、Batch Size、Epoch、过拟合及正则化等基本概念。3.熟悉至少一种深度学习框架，优先要求掌握 PyTorch，能够阅读、运行并修改基础的模型训练和推理代码。4.具备良好的 Python 编程能力，熟悉 NumPy、Pandas、Matplotlib、OpenCV 等常用工具。5.了解计算机视觉中的分类、目标检测或图像分割任务，至少对其中一种任务有实际项目经验。6.理解常用模型评估指标，能够结合任务场景分析 Precision、Recall、F1、 AUC、IoU 和 Dice 等指标，而非仅运行测试脚本。7.能够使用 Linux 环境及常用命令，具备基础的 Git 使用能力。8.具备较强的数据敏感度和问题分析能力，能够发现训练数据、标注或模型输出中的异常。9.做事认真细致，具备规范的实验记录、结果整理和沟通反馈习惯。10.每周至少实习 3 天，能够连续实习 3 个月以上；可稳定实习 4 至 6 个月者优先。【加分项】- 有医学图像、计算机视觉或深度学习相关项目、竞赛、论文复现或实习经验。- 独立完成过模型训练、调参、测试及误差分析，而非仅调用现成接口。- 熟悉 ResNet、U-Net、YOLO、Transformer 或相关模型。- 接触过 CT、MRI、X 光、超声或病理切片等医学影像数据。- 了解 DICOM、NIfTI 等医学图像格式。- 使用过 SimpleITK、Pydicom、MONAI 等医学图像处理工具。- 了解数据增强、迁移学习、类别不平衡处理、交叉验证或模型可解释性。- 具备 GPU 服务器、Docker 或远程训练环境的实际使用经验。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录