视觉算法工作总结范文1
职责：
1、负责产品图像算法的设计和研发，包括图像的三维重建算法、双能物质识别算法、物质标定和数据校正前处理的算法开发和测试验证;分解任务并指导相关人员进行代码开发;
2、负责选定部分代码的外包方，协调外包方并控制其工作周期和工作质量;
3、负责产品图像的伪影去除和图像质量优化，根据测试结果优化算法;
4、负责算法的并行加速优化;
5、负责设计开发过程的设计文件及记录文件的编制和归档。
任职要求：
1、具有辐射成像相关的物理知识和ct重建算法、校正算法方面的开发经验，有双能物质识别算法方面经验者优先;
2、精通c++或matlab语言，有基于cpu以及gpu编程的工作经验;
3、具有伪影去除经验和较强的图像阅读能力;
4、具备良好的编程风格和文档编写能力;
5、良好的团队合作意识和沟通能力，具备优秀的学习能力;
视觉算法工作总结范文2
1、参与图像分析项目的可行性分析、技术可行性分析和需求分析;
2、负责或参与图像处理核心算法的研究、设计、优化、改进及代码实现;
3、负责系统的详细设计工作(按项目具体要求，承担软件的设计与开发);
4、负责系统的编码实现(按系统设计完成功能模块编写);
5、制定及维护所负责研发项目的详细技术文档。
任职资格
1、本科及以上学历，数学、计算机、图像处理相关专业，高学历优先;
2、具备扎实的算法和数据结构基础、较强的逻辑思维能力;
3、具有一定的编程能力，精通c++、matlab等编程工具;
4、按照详细设计说明书，独立完成程序单元的编码和调试任务，能定位程序问题、分析和解决问题;
5、具有数字信号处理、图像处理算法研究或开发经验。]
视觉算法工作总结范文3
职责：
1、专业技术人员职位，定期完成工作要求，并能独立处理和解决所负责的任务;
2、根据开发进度和任务分配，完成相应模块软件的设计、开发、编程任务;
3、算法开发，例如轮廓搜索、最优路径分配等;
4、图像处理：对图像进行去除噪声、锐化、分离、复原和亚像素的提取。
任职要求：
1、硕士以上学历，项目经验丰富可适当放宽至本科;
2、数学基础扎实，掌握c++/c#/c等编程语言的其中一种即可;
3、具备一定的图像处理算法项目经验，有机器视觉方面的图像处理项目经验优先;
4、熟悉opencv视觉库，熟悉三维图像的数据处理，熟悉软件开发技术，熟悉数字图像处理，对模式识别有所了解;
5、严谨踏实，责任心强，条理清楚，善于学习总结，有良好的团队合作精神和沟通协调能力。
视觉算法工作总结范文4
职责：
1、 根据公司产品和业务需求，进行相关图像算法的研究和开发。
2、 根据图像处理项目具体要求，承担开发任务，制作开发计划，并按计划完成任务目标。
3、 完成图像算法相关的需求调研与需求分析及设计。
4、 负责视觉检测系统的维护、调试、升级等。
5、 图像算法优化、模块化。
6、 相关算法文档的编写。
任职要求：
1、 计算机、电子信息、自动化、模式识别及相关专业，本科及以上学历;
2、 具备扎实的图像处理理论和算法基础，掌握opencv，halcon等图像处理库;掌握特征提取，surf，滤波，增强，分割算法，具备优化算法的能力;
3、精通图像处理常用算法原理，熟悉实现方式，包括：图像预处理算法和高级处理算法。
4、 参与过机器视觉或图像处理方面项目经验，具有较强的c、c++、c#等编程语言编码经验，熟练掌握opencv或halcon算法库。
5、 有实际工程项目开发经验者优先(ocr，仪表识别，位置状态识别，人脸识别等)。
6、工作积极主动，认真负责，能承受工作压力
视觉算法工作总结范文5
职责：
1，计算机视觉领域的算法研究、实现与应用，例如照片模糊检测、色斑检测、模式匹配等
2，与摄像头相关、机器视觉相关的图像处理能力，具备分析、识别算法的设计、实现及性能调优
3，熟悉相机的各种算法原理，例如白平衡、gamma校正、自动对焦等，
4、负责算法实现、验证程序的架构，实现算法的自动化验证
任职要求：
1、有扎实的图像处理基础并熟练掌握计算机视觉原理;熟练掌握opencv，熟悉c、c++、python
2、熟练掌握目标识别与机器学习领域相关算法 ，包括但不限于：特征点检测与匹配，场景分割，聚类与监督学习，概率图模型，深度学习等
3、计算机、计算机视觉、机器学习、模式识别或相关专业，硕士毕业6年以上相关经验 / 博士毕业3年以上相关经验
4、熟悉tensorflow/caffe/pytorch/keras等框架者优先考虑; 在视觉计算、机器学习、人工智能等领域有优秀的论文发表者优先考虑
5、具备良好的沟通表达能力和团队合作意识
视觉算法工作总结范文6
职责：
1. 研究各种工业领域的机器视觉算法(定位、识别、检测、测量)，实时跟踪国内外的行业发展现状与方向;
2. 根据公司项目需求，设计与开发新的视觉算法;
3. 对公司产品中现有的视觉算法从稳定性、处理效果和速度上做持续改进;
4. 负责算法测试相关工作，撰写开发文档;
任职要求：
1. 硕士及以上学历，图像处理、计算机视觉、自动化相关专业;
2. 熟悉C ,VC++ ,python;
3. 精通数字图像处理算法，包括图像增强、图像分割、特征提取、模板匹配等，熟悉opencv，halcon等视觉算法库;
4. 有工业领域机器视觉算法(目标定位、OCR、测量、缺陷检测)开发经验;
5. 有windows平台下算法优化的经验;
6. 具有阅读专业英文资料的能力，以了解国际先进的.视觉算法;
7. 有底层机器视觉算法库开发、3D视觉算法开发经验者优先;
视觉算法工作总结范文7
关于数据，最经典的莫过于那句「数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已」。其实在CV工业界我还想再加一句，数据也基本决定了下限，数据到位了，让狗随便写个模型都能起飞。虽然有点夸张，但其实就是想强调工业落地中数据是最重要的一环。
这里我必须说明的是，数据做到位，绝对不是无脑堆数据集。我很负责的说，无脑堆数据集增加数据量的做法，大概率作用不大。想要在数据上下功夫，数据量固然重要，但就像我之前说的，首先一定要考虑具体的应用场景，堆数据也要有目的性的堆，坚决杜绝小鹿乱撞。其次，要习惯于分析数据，计算数据集的各种统计信息，根据分析得到的认知，仔细设计数据前处理的过程（比如检测里anchor和gt的匹配过程）。同时也要有分析bad case的习惯，每训练出一个模型都要去总结一下所有bad case的场景特性，比如是光照条件下效果差，运动条件下效果差，目标不全的情况下效果差，等等。根据bad case的场景特性，在数据上做针对性的优化，缺啥补啥。因此，数据增强也不是随便增强的，而是有针对性的。用到的每一种增强方法都应该有它背后想解决的问题，绝对不是别人做了个平移翻转，你就也要做个平移翻转。
视觉算法工作总结范文8
以上流程从业务流程来看，机器学习项目基本就是了解业务需求 ->调研业界方案 -> 查看是否适用 -> 上线效果。不难发现，在对待具体业务上，算法工程师如何通过“实践”提升自己的机器学习水平，以及如何通过机器学习/深度学习实际应用来改善企业的业务等级和营收能力至关重要。
我经常说算法只是工具，重要的是在正确的行业和产品认知上，实现业务目标。
所以有人恐慌算法工程师会被自己的算法替代，这是极其可笑的。机器可以做的虽然很多，但是无法代替人对数据的理解，这是算法工程师存在的价值。而Deep Learning虽然在某种程度上代替人提取特征，但是它最多只能解决特征变换问题，仍然处理不了数据清洗和预处理中需要用到领域知识的情况。
在我的经历里，我倾向于算法工程师是技术+产品经理为一体的综合型人才。
现在有很多的机器学习课程和教科书，它们大都是关于如何从零开始制造烤箱，而不是如何烹饪和创新配方。但对大多数企业而言，其实他们需要的只是烹饪方法——即解决他们业务问题的方法。
为了能让更多初学者了解机器学习/数据分析/数据挖掘等岗位的工作流程，找到入门的切入点，我特地邀请了两位人工智能不同领域的专家，**一位BAT的数据挖掘工程师@熊猫酱，一位计算机视觉方向的专家@Angela，**还有我阿里高级算法工程师@Chris，以自身具体的工作流为核心，举办连续四场人工智能入门分享会。
我们将分别从各自擅长的领域：python数据分析、机器学习理论、机器学习数学、算法工作流，以我们在大厂具体工作流逆向指导理论学习，规划学习路线，是不可多得的入门级课程，旨在为广大的AI爱好者和跨行学习者提供坚实的基础。
视觉算法工作总结范文9
职责：
1.针对任务需求，完成相关图像处理算法、机器视觉算法的开发与实现;
2.图像智能分析算法的开发，主要为物体检测、识别和跟踪;
3.基于智能机器人应用的机器视觉处理算法开发。
任职条件：
1.计算机、自动化、数学等相关专业研究生以上学历;
2.掌握数学图像处理常用方法;
3.精通c/c++、python语言，熟悉opencv、caffe、pytourch等框架;
4.具有良好的数学基础及编程习惯，对机器视觉、图像处理、算法开发等有强烈兴趣，意向在此领域发展;
5.具有良好的分析能力、逻辑思维能力和表达能力;
6.有ros，现代智能机器人等相关工作经验者优先考虑。
视觉算法工作总结范文10
职责：
1.负责前端scaler/视频处理芯片平台软件开发与维护;
2. 负责生产、售后反馈问题的处理;
3. 支持、协同项目其他平台软件整体调试工作;
4.负责支持其他部门验证性需求功能软件部门实现。
岗位需求：
1.本可以上学历，计算机软件相关专业优先;
2. 3年以上视频scaler，图像处理芯片软件开发项目经验;
3. 熟悉tv、monitor或setup box框架和处理流程;对画质、视频处理流程、图像强模块有较深了解。有osd开发能力;有mstar、st、realtek、pixel work等相关scaler芯片开发经验;
4. 精通c或c++, 能够读懂英文规格书，熟悉一种或以上scaler相关开发套件。
视觉算法工作总结范文11
职责：
1、实现基于智能相机的机器视觉系统图像处理算法的设计、调试及实现;
2、参与较复杂的图像处理、识别算法的实现，如虚拟场景照等图像算法;
3、根据项目识别要求，对图像进行数字分析和处理，确定识别算法;
4、根据应用场景，选择合适的算法并进行优化;
5、完成上级领导交办的其他工作，与同事做好团队合作。
任职要求：
1、计算机、数学、电子、通信、自动化、信号处理、图像处理等相关专业、研究生及以上学历;
2、对计算机图形/图像算法感兴趣，愿意从事生活照、趣味照等图像算法的研究;
3、较强的实际动手能力、学习能力和论文检索，英文专业文献阅读能力;
4、具备高度责任心、工作积极主动、乐于接受挑战，能在较大的压力下保持良好工作状态;
5、具有以下经验或能力者优先考虑：熟悉数字图像处理、机器视觉、模式识别、机器学习等任一领域相关算法;
视觉算法工作总结范文12
职责：
1. 负责通信物理层信号处理算法研究、开发与验证，用matlab或c语言搭建链路级或系统级仿真环境，评估通信物理层信号处理算法及通信系统的性能。
2. 协同算法硬件实现的设计、验证及fpga原型验证。
3. 参与通信soc芯片的系统验证、测试、调试与分析。
岗位要求：
1. 硕士及以上学历，通信、电子、计算机或数学等专业。
2. 具有扎实的数字通信理论和信号处理理论基础，熟悉无线通信系统及信道模型。
3. 掌握matlab和c语言，会用matlab和c语言搭建无线通信仿真系统。
4. 具有wifi，bluetooth，zigbee等任意一种无线通信系统物理层或基带系统算法设计经验者优先考虑。
5. 具有复杂问题的独立分析与解决能力，与同事密切合作并有效沟通，具备良好的英语读写能力。
视觉算法工作总结范文13
职责：
1.负责基于图像数据的目标检测、聚类、识别、分割场景理解的算法开发，实现高精地图数据的`智能化、自动化生产
2.负责融合数据源的目标检测识别和语义分割算法的研发
3.负责研究和探索基于传统算法和基于深度学习的前沿算法发展，不断优化迭代，保证产品在相关领域的先进性和竞争力
任职要求：
1.计算机信息科学、人工智能、数学或相关专业本科以上学历，3年以上相关工作经验，扎实的概率统计, 线性代数理论基础
2.熟悉Linux开发，精通C/C++，Python编程
3.精通深度学习物体检测、识别、语义分割理论及算法如CNN, RNN等并有实际项目经验
视觉算法工作总结范文14
职责：
1、负责声纹识别的技术研发，提高其在复杂信道，噪音以及短语音情况下的性能;
2、负责声纹识别系统核心算法研发与优化，包括语音预处理(有效音检测、降噪等)、特征提取、模型选择与训练、结果分析、实验验证;
3、参与声纹研发和身份认证技术的产品化落地;
4、负责跟进行业前沿技术发展趋势，跟踪国际最新算法发展方向和相应技术。
岗位要求：
1.学历要求：
-国内211或985院校毕业，国外名校毕业;
-信号与信息处理、模式识别与智能系统、计算机应用等相关专业;
-统招硕士及以上学历，博士优先。
2.工作经验：
-有3~5年声纹识别方面的工作经历或实验室研究背景;
-在声纹识别、声音分类、预处理、特征提取算法方面有丰富经验或成果;
-具备扎实的模式识别、机器学习和深度学习等知识基础和丰富的项目研发经验。
3.能力要求：
-熟悉声纹识别的主流算法，如gmm-ubm,svm-gsv,ivector-plda等;
-熟悉lr/gmm/svm/crf/hmm/dnn/cnn/rnn的研究背景;
-熟悉c/c++开发及shell/python等脚本，有较强的编程能力，能够流畅阅读英文文献;
-熟悉相关领域的最新进展和技术，具有国际会议/期刊论文或商用产品转化经验者优先;
-较强的学习能力，具有良好的沟通能力，以及团队合作意识。
视觉算法工作总结范文15
职责：
1.负责现有的布，辅料的漫反射、镜面反射、折射、粗糙率、法线数据采集,模型重建算法的维护和新需求算法的实现;
2.分析公司现有布辅料数据采集项目的需求和算法以及学习跟进业界最新算法成果，优化和提出改进方案。
担任资格：
1.本科及以上学历，计算机相关学位，具备3年以上的计算机视觉算法相关工作经验;
2.熟悉 linux 环境开发，精通c/c++ 精通数据结构和基础算法;
3.具备扎实的数学基础和计算机视觉算^v^底，有光学方向知识;
4.精通视觉理论和方法，包含但不限于结构光视觉，双目立体视觉，条纹相位和摄影测量中的一种或多种，有做过珠宝，钻石扫描仿真项目的优先;
5.善于思考和发现问题，并能提出改进方案;
6.针对项目需求和业务场景，具备技术算法拆解和规划能力，可根据实际应用场景提出算法优化创新思路;
7.具有较强的学习和研究能力，能够阅读相关领域英文论文，4级英语。
视觉算法工作总结范文16
职责:
1、开发及优化用于视觉标定和定位、三维重建的图像处理算法;
2、基于计算机视觉，开发有标记和无标记的全身动作捕捉算法;
3、针对不同应用需求，对算法进行深入优化;
4、撰写技术开发文档;
5、跟踪计算机视觉领域的新技术，技术方案论证，应用到公司的实际项目中。
任职资格:
1、硕士学历，数学、计算机图像处理、电子工程等专业，能熟练阅读英文文献，具有扎实的数学基础和图像处理理论;
2、掌握相机标定、三维重建、机器学习等相关理论知识，对计算机视觉算法有深入的理解;
3、熟悉优化、预测、滤波算法，c/c++、opencv、matlab等语言和工具;
4、具有良好的表达和沟通能力，较强的学历能力、责任心和团队精神，勇于接受挑战;
5、有机器学习/计算机视觉领域实际研发经验者优先。
视觉算法工作总结范文17
针对二维情况如下：
三维情况是：
现在把我做的项目的困难进行总结：
二维方面的算法就不细说了，无非就是一些图像的增强、平滑、去噪、分割、特征的提取等等内容即Blob分析，还有模板匹配等，难度不大，主要是应用方面比较灵活，需要了解开发的套路，这里直接看官方例程就好了，在开发算法前，还需要对相机的选型、光源的选型进行确定，然后对相机进行畸变矫正，这里大家需要理解矫正的本质原因是什么，还有明白矫正的过程和评价标准。算法如果开发好的话，那下面就是对界面进行开发，可以使用QT也可以使用MFC，这里界面开发需要注意的就是多线程问题，因为视觉算法处理是需要时间的，而摄像机的帧率是很快的，因此需要开启线程对相机的拍照和算法执行进行单独的处理进行，尤其是线程的应用大家应该多注意死锁问题，设计时需要考虑周到，以及发生异常如何处理等。然后开发相机的SDK，其实很简单，配合界面开发的程序进行移植就好了，所谓的SDK开发，就是相机厂家提供的接口函数，一般官方会提供一个界面操作自己家的相机，同时也会提供界面的模板，还会提供大量的例程，大家只需要研究一下例子就可以移植了，如开启相机，曝光量、曝光时间、增益、亮度等都可以通过接口函数进行设置的，这里主要注意的是SDK输出的默认图片的格式，厂家不同，格式会不同， 还有就是需要把输出格式的图片转换成halcon或者OpenCV可以处理的图片格式，只有这样，算法拿到图片后才可以处理。然后就是看看是否需要和机械手进行配合工作，如果需要机械手，则还需要对其进行标定，一般二维大多数使用的都是九点标定，其实不一定九个点，理解原理后你会发现，标定的目的就是得到一个仿射矩阵，通过矩阵把图像的坐标变换到机械手坐标下的坐标，然后让机械手到达即可。有时候项目并不需要使用机械手，这时候可以使用运动板卡，运动板卡的开发和相机的SDK开发很类似，直接调用接口就可了，如果对这部分感兴趣，也了解伺服电机等电器，完全自己可以组合一个简易的机械手，因为机械手的本质也是这些东西，当然精度方面不同的。如果项目使用运动板卡，这里同样也是需要进行标定的，和机械手一个道理，只是更麻烦点，因为需要根据项目要求设计运动，然后对其进行标定，难度都不大。以上是进行定位、分拣、跟随等项目。如果是测量的话，halcon提供了很多的算子，精度可以做到很高，大家研究例程就好了，这里提醒大家一定要注意测量的世界平面的建立和目的，尤其是测量的类型。以上就是二维方面的学习总结，总的来说，难度不大，但是要求掌握的知识很多很杂，如果没有软硬件知识，可能会很难学习，但是不要着急，慢慢来吧，我大概学了一个半月就掌握了二维方面的开发。下面就简单的介绍一下三维视觉的开发。
对于是三维视觉，其难度相比于二维上升了不止一个层次，但是对于我来说都是水到渠成的事，难度还好，还能接受，主要原因是研究生期间研究了大量的人工智能算法知识，对其抽象知识已经适应了，各方面能力都得到了提高，因此学习起来觉得不是很难，但是因为没有这方面的经验，因此也走了一些弯路，下面会一一分享。下面分享一个3D处理流程，是halcon官方提供的，大家查看一下帮助文档，研究一下就知道了，如下：
三维视觉的开发 ，首选是你需要确定你选择什么样的方式进行获取3D信息，目前主流的几种方法结构光法、双目、多目、TOF、DFF等，通过这些方法获取三维的视差图像也就是深度信息，拿到深度视差后可以转换为点云，然后在对点云进行处理或者获取模板，对点云进行处理后，提取到感兴趣的轮廓或者点或者位姿，然后通过标定传给机械手，使其工作即可。首先对于3D信息的获取，我实现了两种方式，一种是结构光法即基于激光三角的3D信息获取系统，原理不说了，大家看论文把，不难理解都是基于简单的几何知识。从上图可以看看，基于激光三角的可以直接获取x,y,z的深度图片，进而可以转换为点云的3D模型，另外一种是双目立体视觉，该模型可以直接获取视差图像，然后转换为点云模型，同理还有其他的方法，这样这是3D视觉的前提，即获取点云数据，然后就是进行处理，有融合、匹配、切割、配准等等操作，很多和二维的算法很类似，因此学习时要多思考以前学过的东西。
以上就是我最近几个月的学习总结和感想，当然过程肯定比我说的更坎坷，但是坚持下去，一段时间过后你会成长很快，目前三维方面的视觉还需要继续深入，尤其是精度方面的需要进一步学习和提高，下面计划一下后面几个月的目标。
目前二维方面的算法应用已经没问题了，例如尺寸的测量、OCR的识别定位、匹配定位等项目都可以做了，而三维方面需要继续深入，目前在看几本书，理解一下理论知识，如《机器视觉》、《机器人视觉测量与控制》以及《视觉测量与方法》，其实这几本书讲的都差不多，好好理解一下。这几本书看完后开始看点云处理方面的书籍以及学习OpenCV和OpenGL两个开源库，然后深入研究点云的处理的方法和应用库PCL，然后在接触SLAM技术。当然这个期间会不停的做项目积累经验，遇到问题解决问题。这些实现估计半年左右应该可以完成。今天就到这里。
视觉算法工作总结范文18
职责：
1.负责基于图像数据的目标检测、聚类、识别、分割场景理解的算法开发，实现高精地图数据的智能化、自动化生产
2.负责融合数据源的目标检测识别和语义分割算法的研发
3.负责研究和探索基于传统算法和基于深度学习的前沿算法发展，不断优化迭代，保证产品在相关领域的先进性和竞争力
任职要求：
1.计算机信息科学、人工智能、数学或相关专业本科以上学历，3年以上相关工作经验，扎实的概率统计, 线性代数理论基础
2.熟悉linux开发，精通c/c++，python编程
3.精通深度学习物体检测、识别、语义分割理论及算法如cnn, rnn等并有实际项目经验
视觉算法工作总结范文19
从事CV算法这个职业已经三年有余了，如果加上毕业前玩命转行跳坑（生化环材）的那两年，到现在已经差不多快五年了。这五年来，CV越来越卷这个说法的声音越来越强，我个人也是比较赞成这个说法的。不论是出于什么原因，在这个各行各业都在寻求所谓的AI赋能的时代下，CV绝对是转行跳坑之人最容易与计算机产生关系的行业了。
正因为这样，这个所谓的卷，给我自己的感觉就是分母太多，炮灰太多。今年也陆陆续续面了不少人，有太多人我只能称之为”做过CV“，仅此而已。绝大部分人基础不牢、或是代码能力弱、或是对技术没有思考、或是项目经验太水。所以不求做一个手握几篇顶会的大神，做一个基本功过硬、项目不水的合格的CV算法工程师，在市场上还是会有一定竞争力的（不要被贵乎人均3篇CVPR打击到自信）。
写下这篇的文章的目的，也是来分享一下本人最近几年（尤其是工作这三年）的一些心得，希望可以为刚入行或正在转行的CVers提供一些参考。
后文分为基础技能和实战能力两个部分。基础技能篇包含我认为CV算法工程师一些必备的重要硬技能，可能不全，欢迎补充；实战能力篇包含我在实际项目中的一些体会。
视觉算法工作总结范文20
职责：
· 针对任务需求，完成相关图像处理算法、机器视觉算法的开发与实现;
· 图像智能分析算法的开发，主要为物体检测、识别和跟踪;
· 基于智能机器人应用的机器视觉处理算法开发;
任职条件：
· 计算机、自动化、数学等相关专业研究生以上学历;
· 掌握数学图像处理常用方法;
· 精通c/c++、python语言，熟悉opencv、caffe、pytorch等框架;
· 具有良好的数学基础及编程习惯，对机器视觉、图像处理、算法开发等有强烈兴趣，意向在此领域发展;
· 具有良好的分析能力、逻辑思维能力和表达能力;
视觉算法工作总结范文21
职责：
1、 负责计算机视觉、深度学习相关的技术系统与产品的研发工作;
2、 调研前沿CV算法，并进行实现;
3、负责ADAS、DSM相关的技术开发，包括车辆检测、行人检测、人脸关键点检测、车道线检测等;
5、 负责前沿跟踪算法研究与优化，包括KCF、ECO、GOTURN等。
任职要求：
1、 硕士及以上学历(或本科且不少于三年工作经验)，有计算机视觉或机器学习研究背景;
2、 精通C/C++，熟悉MATLAB/Python，熟悉caffe、tensorflow、keras等常用深度学习框架;
4、 有计算机视觉(目标检测、跟踪、识别)方向应用经验者优先;
5、 在视觉计算、机器学习、人工智能、数值优化等领域有优秀论文发表记录优先。
