特征工程：针对ADAS驾驶（如L2+、L2++甚至泊车）中的主要功能数据分析进行特征工程
与数据科学家合作，从原始数据中找出可能导致AD功能误报或不良体验的潜在特征
数据准备：手动查找AD数据湖中所有相关的数据集，并在需要时处理数据，确保其可用于模型设计、训练和验证
基于规则/机器学习模型设计：手动浏览所有相关数据集，找出每个特征可能对误报或不良案例做出贡献的潜在价值模式
支持数据科学家建立模型
FP/不良模型验证：使用准备好的数据，整理出测试数据桶，进行模型测试工作，并准备每次测试的报告
模型集成到数据挖掘门户：与数据工程师合作，将FP/不良模型和特征集成到数据挖掘管道中，供AD算法和系统团队使用