深度学习模型ONNX转换与部署工程师

一、关于我们
我们是依托中山大学电子与通信工程学院组建的AI技术科研孵化团队，聚焦深度学习模型工程化落地与卫星通信、智能感知等交叉领域技术突破。团队由高校教授领衔，核心成员涵盖博士、硕士及行业资深工程师（也许是你），既具备扎实的科研功底，又拥有从实验室技术到产业化应用的全链条落地能力。
目前团队承接国家级科研项目与企业合作课题，重点攻关AI模型在边缘设备、航天通信终端等特殊场景的部署难题，ONNX作为模型跨框架、跨硬件的核心载体，是我们技术落地的关键环节。加入团队可深度链接高校科研资源，参与前沿技术研发，同时享受科研成果转化带来的成长与回报。
二、岗位职责
核心流程攻坚：主导与参与深度学习模型向ONNX格式的转换全流程，解决算子不兼容、精度偏移、结构适配等核心问题，确保模型在科研原型与工程化系统中无损迁移。
推理性能优化：基于ONNXRuntime、TensorRT、OpenVINO等引擎，实施模型量化（INT8/FP16）、剪枝、蒸馏等轻量化技术，优化边缘设备、专用终端的延迟与内存占用，满足科研项目与落地场景的性能要求。
跨平台部署落地：负责模型在CPU、GPU及边缘嵌入式设备（如卫星通信终端、工业感知硬件）的部署实现，完成C++/Python接口封装与系统集成，保障特殊工况下的部署稳定性与实时性。
工程化体系搭建：搭建适配科研项目的自动化模型转换、测试、部署流水线，开发性能基准测试工具，建立模型部署质量与性能评估标准，支撑多课题并行研发。
三、任职要求
（一）核心硬性要求
学历背景：计算机科学、人工智能、电子信息、自动化等相关专业，本科及以上学历。
工作/科研经验：3年以上深度学习模型部署经验，其中至少1年专注于ONNX转换与推理优化实战经历；有边缘设备、专用硬件模型部署或高校科研项目经验者优先。
技术栈基础：
精通Python与C++（现代C++11/14+），能熟练在Linux环境下开发与调试；
掌握PyTorch/TensorFlow等深度学习框架的推理原理，理解模型内部结构与算子机制；
熟练运用ONNX生态工具（ONNXConverter、ONNXSimplifier、ONNXChecker），熟悉主流推理引擎（ONNXRuntime/TensorRT/OpenVINO）的使用与调优。
优化能力：具备模型量化、剪枝、混合精度推理等轻量化技术的实际落地经验，能独立完成性能瓶颈分析与优化方案设计。
（二）加分项
硬件适配经验：有嵌入式Linux设备、专用芯片（NPU/DSP）模型部署经验，或了解卫星通信终端、工业感知硬件的计算资源特性；
科研项目经验：参与过国家级、省部级AI相关科研项目，或有科研成果工程化落地经历；
技术沉淀：在ONNX转换、模型轻量化领域有技术总结、专利，或在开源社区有相关项目贡献；
跨领域能力：了解卫星通信、信号处理、计算机视觉等领域基础原理，能快速理解跨领域技术需求。
四、我们提供
薪资回报：本科10W-18W/年，硕士*****W/年，博士30-60W/年，根据技术能力与科研贡献灵活议价，核心成员可参与科研成果转化收益分配，以及股权期权等可能，公司快速成长期。
工作保障：五险一金全额缴纳，年度体检，相对弹性工作制度，平衡科研与生活。
五、投递方式
简历要求：请附上个人简历（含教育经历、项目/科研经历、技能证书）、代表性成果（项目报告/代码链接）及联系方式。
面试流程：简历筛选→技术初面（线上，侧重基础能力）→技术终面（现场，侧重项目实战与问题解决）→方向匹配沟通→录用确认。
工作地点：广东省广州市白云区梅园路8号新思聚产业孵化器（3号线地铁站梅花园100米）