百度
模型优化算法工程师（J71370）
模型优化算法工程师（J71370）
发布于 大约 21 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
硕士
PyTorch
TensorFlow
MLOps
自动驾驶
量化
模型蒸馏
AutoML
PaddlePaddle
AI 估算 · 30k–60k
核心自动驾驶算法岗，技术壁垒高，百度大厂薪资有竞争力，中位数约45k/月。
职位详情
关于这个职位
该职位主要负责百度自动驾驶模型的MLOps、模型托管、AutoML算法以及模型蒸馏量化等研发工作，旨在提升模型迭代效率和自动化程度
作为核心算法工程师，你将参与自动驾驶数据闭环和模型生产全流程，对深度学习、分布式训练、模型压缩等有深入研究
适合有3-5年深度学习经验、对自动驾驶和MLOps方向感兴趣的技术人才
最低要求
年深度学习相关工作或研究经验，有数据闭环相关经验优先
计算机、电子、自动化、应用数学等相关专业硕士或以上学历，博士优先
熟悉PyTorch、PaddlePaddle、MxNet、TensorFlow等训练框架
具备扎实的Python/C++开发能力，有良好的编程习惯
工作职责
负责设计和研发自动驾驶模型MLOps能力，提升自动驾驶车端/云端模型的迭代效率
负责设计和研发自动驾驶模型托管能力，提升自动驾驶模型生产的自动化程度
负责设计和研发AutoML算法，提升自动驾驶模型生产的自动化程度
负责设计和研发模型蒸馏和量化算法，保障自动驾驶模型自动生产的效果
优先资格
加分项：具有MLOps研发落地经验优先
加分项：具有大模型相关研发经验优先
加分项：熟悉AtuoML、NAS、超参数优化、大模型预训练、模型压缩和量化训练等技术，在至少一个方向有比较深入的落地经验
加分项：在CVPR/EECV/NIPS/ICML等机器学习顶会上发表过文章者优先
AI 洞察
优缺点分析
- 自动驾驶是高速增长赛道，技术前沿，个人技能提升快
- 百度作为行业巨头，平台资源丰富，有海量数据和计算资源
- MLOps和AutoML方向需求旺盛，未来职业选择面广
- 薪资与福利在互联网行业具有竞争力
- 自动驾驶算法难度高，需要持续学习和攻坚
- 工作节奏较快，可能需要应对频繁的迭代和紧急任务
- 对综合能力要求高，既要懂算法又要能落地工程
- 适合对自动驾驶技术充满热情、具备扎实深度学习基础且愿意深入工程化实践的工程师
角色解读
- 专业路线：从算法工程师成长为MLOps或AutoML领域的专家
- 管理路线：技术核心负责人，带领团队攻克模型生产自动化难题
- 方向拓展：横向学习自动驾驶感知、规划等模块，成为系统级架构师
- 设计和研发自动驾驶模型的MLOps平台，优化模型从训练到部署的全流程效率
- 研发模型托管能力，实现模型版本管理和自动化上线
- 开发AutoML算法，自动搜索最优网络结构和超参数
- 研究模型蒸馏和量化技术，在保证精度的前提下压缩模型大小
- 扎实的深度学习理论基础，熟悉PyTorch、TensorFlow等主流框架
- 熟练的Python和C++编程能力，能高效实现算法和工程
- 了解MLOps、AutoML、模型压缩（蒸馏、量化）等前沿技术
- 有数据闭环或自动驾驶项目经验者优先
申请策略
- 提前了解百度Apollo自动驾驶平台，增加面试中的业务洞察
- 面试中可主动沟通对模型自动化生产的理解，展现思考深度
- 突出深度学习项目经验，尤其是模型训练、优化和部署相关经历
- 强调熟练掌握PyTorch/PaddlePaddle等框架，并提供代码仓库链接
- 如有AutoML、模型压缩、MLOps相关项目，务必详细描述
- 博士或顶会论文是加分项，建议在简历中显著位置列出
- 补强MLOps知识，学习Kubeflow、MLflow等工具
- 实践模型量化（TensorRT、ONNX）和蒸馏方法
面试指南
- 按“背景-方法-结果-反思”的结构陈述项目经验，突出你的贡献
- 对于开放性问题，先给出总体思路，再逐步细化技术选型和权衡
- 结合百度自动驾驶业务场景，展现思考的深度和针对性
- 请详细描述你过去做过的一个深度学习模型优化项目
- 如何设计一个AutoML框架来自动搜索网络结构？
- 模型蒸馏中，teacher和student模型如何设计，损失函数如何设置？
- 谈谈你对MLOps的理解，以及如何实现模型版本管理和监控
- 你如何处理训练数据和推理之间的精度损失？
匹配度报告
77
综合匹配度
百度自动驾驶核心算法岗，前沿技术栈，薪资优厚，但WLB一般。
适合人群
适合追求技术前沿和长期职业发展、能接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展92
工作生活50
使命价值80
薪资福利匹配
85较高
大厂算法岗薪资具有市场竞争力，福利完善，但JD未明确薪资具体数值。
薪资信号未披露 (30K-60K/月)
成长发展匹配
92较高
前沿技术栈（MLOps、AutoML、模型压缩），大厂研发资源丰富，技能成长空间大。
技术前沿前沿/新兴技术
技术栈MLOps、AutoML、模型蒸馏、量化、PyTorch、PaddlePaddle、TensorFlow
业务类型profit_center
工作生活匹配
50较低
北京现场办公，未提及弹性工作或远程，互联网高强度工作可能性较大。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
80较高
自动驾驶是高速增长赛道，对社会出行变革有积极影响，但JD未明确使命。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs