感知算法工程师-汽车-实习-2027届

优缺点分析

角色解读

• 积累自动驾驶感知领域的核心技术，未来可转向高级算法工程师或科研岗位
• 在小米大平台获得行业认可，有机会转正为正式员工
• 向技术专家或团队leader方向发展，负责更复杂的感知系统设计
• 研发自动驾驶感知算法，包括多模态BEV检测、3D点云识别、在线地图构建等
• 跟踪并改进前沿深度学习算法，将其应用于实际自动驾驶问题
• 参与算法模型的训练、调优和部署，确保在真实场景中的性能
• 扎实的深度学习、计算机视觉或多视几何理论基础，有相关项目或研究成果
• 熟练掌握C++或Python编程，具备良好的代码能力
• 熟悉PyTorch、TensorFlow等框架，能够实现高效训练

申请策略

• 提前了解小米自动驾驶的业务方向和最新进展，展现对公司的兴趣
• 关注实习招聘时间，尽早投递，并准备好相关项目代码和作品集
• 突出与自动驾驶感知相关的项目或研究经历，如目标检测、语义分割、3D点云处理等
• 强调编程能力，尤其是C++/Python的使用经验，以及PyTorch/TensorFlow的熟练度
• 若有顶级会议论文、竞赛获奖（如ACM-ICPC）或开源贡献，务必重点列出
• 系统复习深度学习基础、计算机视觉和多视几何理论
• 动手复现经典感知模型，如BEVFormer、PointPillars等，并尝试改进
• 熟悉自动驾驶常用数据集（如nuScenes）和评估指标

面试指南

• 对项目类问题，按背景-方法-结果-思考四部分回答，突出难点和你的贡献
• 对算法原理问题，先给出定义，再说明关键步骤，最后结合例子解释
• 对工程实现问题，先说思路，再描述具体代码实现细节，注意异常处理
• 请详细介绍一下你做过的一个目标检测项目，包括方法、效果和改进点
• BEV感知和传统透视投影感知相比有什么优势和挑战？
• 如何解决自动驾驶中的小目标检测或遮挡问题？
• 在PyTorch中如何实现自定义数据加载器和训练循环？
• 如何评估一个3D点云检测模型的好坏？