职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7579611287818029317

视觉感知算法实习生-PICO

未披露 · 北京 · 字节跳动

主分类:计算机视觉与图像感知算法研发
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "视觉感知算法实习生-PICO",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品,旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\n团队介绍:作为一个拥有自主创新和研发创造能力的科技品牌,PICO致力于成为领先的世界级XR平台,成就开发者与创作者,共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域,为运动、视频、娱乐等消费级场景带来了全新体验;并广泛应用在教育、医疗和企业培训等商用场景,给全球企业级用户提供了多元化的VR解决方案。\n\n1、负责AR/MR场景中业界领先的端上图像或三维视觉相关深度学习算法研究与应用(2D/3D检测/分割/深度估计等),推进前沿技术在AR/MR场景的工业落地;\n2、探索云端检测、分割、深度估计大模型在数据生产,模型蒸馏,端云结合上的应用;研发高效的MLOPs算法生产工具链;完善算法生产的基础设施建设;\n3、探索CV,Vision-LLM,AIGC在AR/MR场景中的技术预研与落地。",
        "requirements_text": "1、本科及以上学历在读,计算机、机器学习等专业优先;\n2、每周出勤4天及以上,可以持续实习至少3个月;\n3、有扎实的数学和算法基础,有快速学习新技术的能力;\n4、有扎实的编程基础,熟悉C++/Python等编程语言,具有快速复现前沿论文的能力;\n5、在2D/3D Detection、Segmentation、深度估计/补全、多视几何等方向有经验者优先;\n6、在顶级学术会议上发表论文者或相关竞赛取得名次者和在ACM-ICPC/CCPC等编程竞赛中取得名次者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "机器学习"
        ],
        "preferred_qualifications": "1、本科及以上学历在读,计算机、机器学习等专业优先;5、在2D/3D Detection、Segmentation、深度估计/补全、多视几何等方向有经验者优先;6、在顶级学术会议上发表论文者或相关竞赛取得名次者和在ACM-ICPC/CCPC等编程竞赛中取得名次者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7579611287818029317/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7579611287818029317",
        "post_date": "2025-12-03",
        "hire_time": "2、每周出勤4天及以上,可以持续实习至少3个月",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7579611287818029317/detail"
    },
    "fulltext": "视觉感知算法实习生-PICO\n职位描述\n日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\n团队介绍:作为一个拥有自主创新和研发创造能力的科技品牌,PICO致力于成为领先的世界级XR平台,成就开发者与创作者,共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域,为运动、视频、娱乐等消费级场景带来了全新体验;并广泛应用在教育、医疗和企业培训等商用场景,给全球企业级用户提供了多元化的VR解决方案。\n\n1、负责AR/MR场景中业界领先的端上图像或三维视觉相关深度学习算法研究与应用(2D/3D检测/分割/深度估计等),推进前沿技术在AR/MR场景的工业落地;\n2、探索云端检测、分割、深度估计大模型在数据生产,模型蒸馏,端云结合上的应用;研发高效的MLOPs算法生产工具链;完善算法生产的基础设施建设;\n3、探索CV,Vision-LLM,AIGC在AR/MR场景中的技术预研与落地。\n\n职位要求\n1、本科及以上学历在读,计算机、机器学习等专业优先;\n2、每周出勤4天及以上,可以持续实习至少3个月;\n3、有扎实的数学和算法基础,有快速学习新技术的能力;\n4、有扎实的编程基础,熟悉C++/Python等编程语言,具有快速复现前沿论文的能力;\n5、在2D/3D Detection、Segmentation、深度估计/补全、多视几何等方向有经验者优先;\n6、在顶级学术会议上发表论文者或相关竞赛取得名次者和在ACM-ICPC/CCPC等编程竞赛中取得名次者优先。\n日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\n团队介绍:作为一个拥有自主创新和研发创造能力的科技品牌,PICO致力于成为领先的世界级XR平台,成就开发者与创作者,共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域,为运动、视频、娱乐等消费级场景带来了全新体验;并广泛应用在教育、医疗和企业培训等商用场景,给全球企业级用户提供了多元化的VR解决方案。\n\n1、负责AR/MR场景中业界领先的端上图像或三维视觉相关深度学习算法研究与应用(2D/3D检测/分割/深度估计等),推进前沿技术在AR/MR场景的工业落地;\n2、探索云端检测、分割、深度估计大模型在数据生产,模型蒸馏,端云结合上的应用;研发高效的MLOPs算法生产工具链;完善算法生产的基础设施建设;\n3、探索CV,Vision-LLM,AIGC在AR/MR场景中的技术预研与落地。\n1、本科及以上学历在读,计算机、机器学习等专业优先;\n2、每周出勤4天及以上,可以持续实习至少3个月;\n3、有扎实的数学和算法基础,有快速学习新技术的能力;\n4、有扎实的编程基础,熟悉C++/Python等编程语言,具有快速复现前沿论文的能力;\n5、在2D/3D Detection、Segmentation、深度估计/补全、多视几何等方向有经验者优先;\n6、在顶级学术会议上发表论文者或相关竞赛取得名次者和在ACM-ICPC/CCPC等编程竞赛中取得名次者优先。",
    "standard_classification": {
        "std_category_code": "T034",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}