【岗位职责】1.多模态算法研发：负责基于课堂视频的AI分析系统核心算法研发，涵盖计算机视觉（CV）、语音识别（ASR）、自然语言处理（NLP）等多模态技术，实现对学生出勤、专注度、教师行为、教学内容等维度的自动化识别与量化分析。2.行为识别模型开发：设计并优化基于视频的人体姿态估计、动作识别、目标检测（YOLO/DeepSORT）等模型，用于分析教师移动轨迹、手势动作、学生抬头率、低头行为等教学行为特征。3.语音与内容理解：构建高准确率的课堂语音识别（ASR）系统，结合NLP技术进行教学内容主题提取、关键词识别、提问频率统计与知识覆盖分析，支持教学过程的语义化理解。4.多模态融合与智能分析：探索视觉、语音、文本等多模态信息的融合策略，提升行为识别与教学分析的准确性；探索VQA（视觉问答）或多模态大模型在教学场景中的应用，支持智能问答与教学反思辅助。5.算法工程化落地：推动算法在边缘设备（如Jetson）或云端的部署优化，关注模型轻量化、推理效率与稳定性，确保在真实教室环境中的高效运行。6.技术调研与前沿探索：跟踪AI+教育领域的*新技术进展（如多模态大模型、行为理解、教育知识图谱），持续推动产品技术升级。【经验背景】1.及以上，计算机、人工智能、模式识别、自动化等相关专业，3年以上VL算法研发经验。2.具备完整的计算机视觉项目经验，熟悉目标检测（YOLO系列）、人体姿态估计（OpenPose、HRNet、MediaPipe）、行为识别等主流算法。3.有语音识别（ASR）或NLP项目经验者优先。4.熟悉Whisper、Wav2Vec、BERT、LLM等模型者更佳。【专业技能】1.精通Python，熟悉PyTorch/TensorFlow等深度学习框架，具备扎实的算法实现与调优能力。2.熟悉OpenCV、FFmpeg等音视频处理工具，具备视频流处理经验。3.掌握模型压缩、量化、边缘部署（TensorRT、ONNX）等工程优化技能。4.对多模态学习、视觉-语言模型（如CLIP、Qwen-VL）有实际研究或应用经验者优先。5.熟悉常用数据处理与分析工具（Pandas、NumPy、SQL），具备良好的工程规范意识。【能力素质】1.具备强烈的技术自驱力与问题解决能力，能独立完成从算法设计到落地的全流程。2.良好的跨团队协作能力，能与产品、前端、后端、硬件团队高效沟通。3.对教育行业有热情，理解高校教学场景，具备一定的教育数据敏感度。4.具备优秀的文档撰写和技术表达能力，能清晰输出技术方案与设计文档。【加分项】有多模态大模型（VL）或VQA项目经验，并在实际场景中落地。----------------------------------------------------------------------------------------------【公司背景】我们是一家专注于高等教育大数据领域的咨询服务公司，我们拥有：1）行业领军地位：成立于06年，是产业开拓者和领跑者，已深耕高等教育年；2）超半数的市场占有率：服务了北大、浙大、复旦等超过00所院校，拥有超%的市场占有率；3）权威和公信力的官方*：中国科协、人社部、司法部、世界经济合作与发展组织等机构的研究合作单位，并是北大、北师大、清华等高校的产学研基地；就业蓝皮书数据及《中国-世界高等教育趋势报告核心议题得到了权威媒体的广泛报道；4）数据改变教育，我们的工作价值体现是推动中国高教发展。【团队介绍】作为公司核心团队之一，我们是一支年轻、充满活力的团队。在这里，没有森严的等级，只有开放的讨论；没有无意义的加班，只有灵活的工作节奏（灵活上下班时间，拒绝！）。我们采用扁平化管理。无论是技术探讨还是业务决策，每个人都能参与其中。我们鼓励持续学习，并会提供行业前沿的培训资源、定期的知识分享会，以及充足的试错空间，让你在实战中快速提升。如果你渴望一个轻松但不松懈、自由但有追求的工作环境，与一群聪明、有趣的伙伴共同进步、做有意义的事，
联系我时，请说是在58同城上看到的，谢谢！