您當前的位置:首頁 > 農業

(無錫)怎麼樣?

作者:由  發表于 農業時間:2022-11-04

(無錫)怎麼樣?匿名使用者2022-11-04 02:34:51

應屆211小碩,崗位是影像工程師,據面試官說是負責相機除錯工作,工資是9k*15,想問一下這個崗位怎麼樣,還有華勤這個公司可還行?然後萬一之後想跳槽的話都會去那些單位?

(無錫)怎麼樣?2021-10-22 21:05:03

華勤的薪資是我感覺不錯的,雖有加班,但福利夠好

(無錫)怎麼樣?2018-03-15 23:31:41

隨便答一下

我不是無錫的是東莞的

整間公司加班文化嚴重

末尾淘汰

上級對下級季度考核

部門之間投訴舉報

身心俱疲

那種壓力是每天睜眼工作閉眼睡覺

加班平均40-60小時

如果加班在部門裡面排倒數是要被叫去談話看是不是工作量不夠

當然高強度的工作可能讓你在某方面比較精通,但是也限制了你橫向發展的可能,看你是選擇工作還是生活了。

匿了。

(無錫)怎麼樣?2022-02-23 16:00:10

我是HQ無錫端的。有一說一,華勤的待遇算是很不錯的了,若只論無錫的話,絕對是一等水平,放全國那也不差,跟企鵝網易美團阿里那是比不了,那我們也沒有跳樓的呀!我們能用自己的命花到自己賺的錢。

華勤有食堂,這是最大的福利,有食堂的公司真不多,能吃上食堂,只要不是多難吃,總比長期出去吃或者點外賣好,否則沒幾年你就會擔心自己的身體了。日常的小福利也挺多的,碰上個節日,員工結婚領證生孩子,一個季度部門員工評上績效S1,客戶表揚團隊發個獎金啥的,等等,總監經理都會發個紅包請喝奶茶吃個鴨脖,或者碰上肯德基瘋狂星期四點個下午茶,新年開門紅髮個購物卡,公司那麼大那麼多人又普遍是年輕人,解決下單身狗們的問題,不定期開個交友會等等。最大的感受是華勤是一個有文化有凝聚力的公司。

加班也是有的,必然的,但不是加死人那種,屬於幹得多掙得多,比較適合年輕人。挑戰和機會也是很多,做自己沒做過的事情能力提升會很快;做大家都沒做過的事情,還能做好,那非常符合公司文化,鼓勵個人主義,反對平均主義,30以下的經理可不少呢,甚至也有總監。想摸魚養老建議考公考編,畢竟不孝有三無編最大嘛,鍛鍊捶打自己HQ可以考慮。

這個影像工程師,負責相機除錯工作也就是camera tuning工程師,目前我正在從事。本身是個很新的行業,成立至今也就十年,主要也是因為手機市場帶動的。目前來看,至少未來短的來講五年,多的不敢說,前景是非常好的,待遇也很高。到達華勤ODM這一個層次,將來往上跳基本就是平臺方和終端方了,平臺方是高通,MTK,展銳,海思等等,終端就是品牌,手機的話華為,小米,oppo,vivo等,膝上型電腦,車載,無人機,智慧穿戴等等都可以。只要是對camera成像質量有要求的,那就都需要tuning。一方面,camera作為精密儀器,即使是同一廠家同一批次出廠的模組,質量也是良莠不齊的,那要商用,必然需要調教,使得整體成像能力處於一個一致的水平;另一方面,影響一個camera的成像質量的三個要素,硬體,演算法,以及演算法中的引數設定。前兩個是死的,基本不能換,所以最後能提高camera成像效果的就是演算法引數的調校了,即tuning。所以考慮一下需要使用到camera的,又要求成像質量的,那基本就全要tuning,手機超大一塊拋開,還有智慧車載,無人機,膝上型電腦,智慧穿戴,智慧家居等等。這是tuning的市場需求。

tuning本身是一個比較特殊的行業,學習的東西比較駁雜,需要學習攝像頭組成結構,模組成像原理(物理基礎凸透鏡成像到光電訊號轉換輸出影象的電訊號),光學原理,色彩原理,常用影象質量評測方法(Imatest,DXO等)以及各種演算法原理(3A演算法,ISP演算法和各類三方演算法)。這些為基礎,掌握這些後,真正的tuning能力還必須在實踐中才能得到成長,也就是做專案。這不是一個看文件閉門造車就能提升能力的工作,大多數情況是一看文件我全會,樣品一調我是傻逼。(當然這是初級tuning,有四個以上專案經驗的就不太會這樣了)。所以,tuning是一個成長較為緩慢的行業,入門可能並不難,但想成為厲害的tuning沒有三四年是必不可能,這甚至不是智商高學歷高能彎道超車的。只有實打實的專案經驗積累才可以。

對了,C/C++必須會,英語越好越好。不然高通純英的文件看個鬼,MTK雖然是個臺廠那也基本純英。

tuning相對藍海。然後別的工作跳tuning很難,hq基本是隻培養應屆tuning,非帶經驗的tuning不接受社招。tuning跳別的也不容易。

總結,我jio得HQ不錯,tuning也很不錯,反正我乾的蠻開心的,可能因為我本身喜歡PS,PR這些後期吧(當然tuning跟後期不是一個事哈)嘻~

標簽: tuning  華勤  camera  演算法  成像