大华
校招【研发中心】2027届编解码算法工程师(J24411)
校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、硕士及以上学历
- 2、熟悉C/C++、Python、shell等编程
- 3、熟悉H.264/H.265/H266/AVS/VP9/AV1/JPEG/JPEGAI等其中的一个或多个标准
- 4. 至少具备如下条件之一：
- (1) 熟悉码率控制、模式选择等开放算法模块，具备图像处理、计算机视觉或模式识别相关领域经验
- (2) 熟悉x264/x265/ffmpeg以及编解码标准参考代码，具备多种芯片架构汇编优化经验
- (3). 具备扎实的图像或视频编解码或端到端编解码理论知识，有H264/H265/H266/JPEGAI/AVS等编解码标准制定和提案采纳；5、具备X86/ARM/DSP/GPU等汇编优化经验者优先
- 6、熟悉PyTorch、TensorFlow等至少一种深度学习框架，具有部署落地经验者优先
- 7、具备较强的创新能力，如有国内国际编解码专利申请，在国内外知名学术刊物、会议等有高质量学术论文发表经验者优先
- 8、具备良好的沟通表达能力、团队协作和英文听说读写能力，热衷技术，责任心强。。
岗位描述
负责编解码标准的制定、编解码器及开放算法的实现和落地等工作，包括：
- 1. 负责编解码算法实现与优化，在保证用户视觉体验的条件下，提供低码率、低时延、低功耗的编解码算法，为不同产品提供合适的编解码解决方案。
- 2. 负责研究编解码算法创新技术，包括编解码关键技术及总体方案设计等，挖掘创新技术方向并形成技术方案，输出发明专利；
- 3. 负责研究MPEG、AVS等下一代编解码标准，包括智能编码相关算法，并参与国际和国内编解码标准化工作，输出标准提案。
- 1、硕士及以上学历；
- 2、熟悉C/C++、Python、shell等编程；
- 3、熟悉H.264/H.265/H266/AVS/VP9/AV1/JPEG/JPEGAI等其中的一个或多个标准；
4. 至少具备如下条件之一：
(1) 熟悉码率控制、模式选择等开放算法模块，具备图像处理、计算机视觉或模式识别相关领域经验；
(2) 熟悉x264/x265/ffmpeg以及编解码标准参考代码，具备多种芯片架构汇编优化经验；
(3). 具备扎实的图像或视频编解码或端到端编解码理论知识，有H264/H265/H266/JPEGAI/AVS等编解码标准制定和提案采纳；5、具备X86/ARM/DSP/GPU等汇编优化经验者优先；
- 6、熟悉PyTorch、TensorFlow等至少一种深度学习框架，具有部署落地经验者优先；
- 7、具备较强的创新能力，如有国内国际编解码专利申请，在国内外知名学术刊物、会议等有高质量学术论文发表经验者优先；
- 8、具备良好的沟通表达能力、团队协作和英文听说读写能力，热衷技术，责任心强。。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。