黑芝麻
自动驾驶感知数据工程师(J11151)
自动驾驶感知数据工程师(J11151)
发布于 12 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
3D目标检测
Bev
Pytorch
数据标注
机器学习
自动驾驶
语义分割
值不值得投
78综合评分
综合评分 78
前沿自动驾驶技术岗，技术成长空间大，工作强度可能较高，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2.8万
比自动驾驶中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中自动驾驶 8 个
市场机会
选择不多
深圳 · 自动驾驶 · 6 个在招
职位详情
关于这个职位
该职位负责自动驾驶感知数据的全流程生产与优化，包括数据筛选、样本挖掘、真值生成、标注生产、数据集构建与质量评估
同时，基于预训练大模型（如BEV/Transformer架构）研发自动标注算法，以提升数据质量和生产效率，并与算法团队协作保障数据供给，支持算法迭代
最低要求
硕士及以上学历，计算机视觉、机器学习、电子信息、自动化、机器人、数学等相关专业
年及以上自动驾驶、计算机视觉或AI数据平台相关工作经验，有自动标注（Auto-Labeling）、弱监督学习、半监督学习相关研究或项目经验者优先
熟练掌握Python与C++，具备良好的代码风格与工程实践能力，熟悉主流深度学习框架（PyTorch / TensorFlow等），掌握CNN、Transformer、BEV等常见网络结构与训练方法
熟悉自动驾驶数据生产流程（采集、清洗、标注、质检、入库），有大规模数据处理或数据平台建设经验者优先
工作职责
负责自动驾驶感知数据生产全链路的规划与建设，覆盖数据筛选、样本挖掘、真值生成、标注生产、数据集构建与质量评估等核心环节，持续提升数据生产效率与数据质量，构建标准化、自动化的数据闭环体系
基于预训练大模型（BEV/Transformer 等架构），研发高精度自动标注算法，覆盖 3D 目标检测、语义分割、车道线、占用网络（Occupancy）等感知任务，降低人工标注成本，提升标注精度与产能
与感知算法团队、测试团队紧密协作，深入理解算法迭代需求，制定数据生产计划，把控交付节奏与质量，保障算法训练与版本迭代的数据供给
优先资格
加分项
在CVPR / ICCV / ECCV / NeurIPS / ICML / AAAI等顶级会议或期刊发表过论文者优先
在Kaggle、自动驾驶算法竞赛（如nuScenes、Waymo Open Dataset挑战赛）中取得优异成绩者优先
有头部自动驾驶公司、Tier1或主机厂智驾团队工作经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿，涉及自动驾驶和大模型等热门领域，技能积累价值高
- 公司已上市，平台稳定，资源支持较好
- 工作覆盖数据全链路，能全面提升数据工程和算法实践能力
- 自动驾驶技术更新快，需要持续学习以保持竞争力
- 适合具有自动驾驶、计算机视觉或数据工程背景，对技术研发有热情，能适应快节奏协作环境的工程师
缺点 / 挑战
- 数据生产与算法迭代可能要求高强度工作，对交付节奏把控压力较大
- 与多团队协作，沟通和协调能力要求较高
角色解读
- 可向高级数据工程师、数据架构师方向发展，深耕自动驾驶数据基础设施
- 积累算法研发经验后，可转向算法工程师或技术专家岗位
- 长期发展可参与技术管理，成为团队负责人或项目负责人
- 负责自动驾驶感知数据从筛选、标注到质量评估的全流程规划与建设，构建自动化数据闭环体系
- 基于预训练大模型（如BEV、Transformer）研发自动标注算法，覆盖3D目标检测、语义分割等感知任务
- 与算法和测试团队紧密协作，制定数据生产计划，保障算法训练的数据供给与交付质量
- 精通Python和C++编程，具备良好的工程实践能力
- 熟练使用PyTorch或TensorFlow等深度学习框架，掌握CNN、Transformer、BEV等模型架构
- 熟悉自动驾驶数据生产流程，有大规模数据处理或数据平台建设经验
- 具备计算机视觉或机器学习领域知识，能理解算法迭代需求
申请策略
- 了解黑芝麻智能的业务方向（如自动驾驶芯片、感知方案），在面试中体现对公司产品的兴趣
- 准备项目案例时，突出数据生产效率提升或算法精度优化的量化结果
- 重点突出自动驾驶、计算机视觉或数据平台相关项目经验，尤其是自动标注、数据生产全链路成果
- 强调Python/C++编程能力和深度学习框架（如PyTorch）的熟练度
- 展示处理大规模数据或参与竞赛/论文的成果，以体现技术深度
- 深入学习BEV和Transformer等前沿模型架构，掌握其在自动驾驶中的应用
- 实践大规模数据处理工具（如Spark、Hadoop）和数据质量监控方法
- 关注顶级会议论文和行业竞赛（如nuScenes挑战赛），保持技术敏感度
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，突出个人贡献和成果
- 技术问题结合理论原理和实际案例，展示对模型架构（如BEV）和数据流程的理解
- 强调团队协作和沟通经验，说明如何平衡技术需求与交付节奏
- 请描述一个你参与的自动驾驶数据生产全链路项目，你负责哪些环节？如何提升数据质量？
- 如何设计基于预训练大模型的自动标注算法？有哪些技术挑战？
- 如何处理大规模数据中的噪声或标注不一致问题？
- 与感知算法团队协作时，如何确保数据供给满足算法迭代需求？
- 复习计算机视觉和深度学习基础知识，特别是3D检测、语义分割等任务
职位点评
薪资福利80
成长发展90
工作生活60
使命价值75
薪资福利
80较高
薪资水平在深圳市场具有竞争力，但JD未明确福利细节，整体补偿满足度较好。
薪资信号面议 (2千–3.5万/月)
成长发展
90较高
职位涉及自动驾驶、大模型等前沿技术，技能成长空间大，且JD强调算法研发与数据优化，发展性强。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、TensorFlow、Transformer、BEV、自动驾驶
业务类型profit_center
工作生活
60中等
工作地点在深圳，JD未提及办公模式，可能需现场办公；自动驾驶行业工作强度可能较高，生活平衡一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶技术推动交通智能化，具有较高社会价值；公司已上市，行业处于高速增长赛道，意义感较强。
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