所需技术技能：
深度学习熟练：了解深度学习，特别是在实时目标检测任务中使用图像识别模型和在序列预测中使用LSTM网络的实践经验。熟悉PyTorch是一个额外的优势。
编程和库：熟练使用Python进行编程，熟练使用深度学习库和工具（例如PyTorch、TensorFlow）来实现、训练和微调模型。有使用计算机视觉库（例如OpenCV）和处理时间序列数据的经验将非常有益。
模型优化和评估：了解优化深度学习模型性能（速度和准确性）的技术，并能够使用适当的指标评估模型性能。
基础知识：
数据预处理：具备为计算机视觉模型标记、注释、预处理和增强图像数据以及为LSTM模型预处理序列数据的技能。了解处理不平衡数据集、归一化数据和生成合成数据以提高模型性能的技术。
算法和架构：深入理解卷积神经网络（CNN），特别是图像识别架构，以及循环神经网络（RNN），重点关注LSTM。了解最新的技术进展以及如何应用它们来解决特定问题。
软件开发和工具：具有与深度学习项目相关的开发工具和实践经验，包括版本控制（Git）、容器化（Docker）和模型部署策略。
软技能：
分析思维和解决问题能力：能够运用复杂的数学概念分析问题并设计有效的解决方案，特别是在优化检测和预测模型方面。
注重细节：在模型训练、调整和数据注释方面精确，确保注释和模型预测的准确性。
有效沟通：能够向技术和非技术人员清晰表达模型选择、实验结果和数据分析的见解。
协作团队合作：渴望与数据科学家、工程师和产品经理团队合作，为创新和持续学习的文化做出贡献。
附加资格（优先考虑）：
通过GitHub代码库或学术出版物展示的图像识别或LSTM网络相关的贡献或项目。
参与相关竞赛（例如Kaggle），专注于目标检测或序列建模挑战。
在深度学习、计算机视觉和自然语言处理方面的课程或认证。
为什么加入Advent Atum？
加入一个创新、充满活力和对未来技术有远见的团队。Advent Atum提供一个协作的工作空间，您的贡献将塑造国防技术的未来。 
悉尼