27届实习-智能驾驶感知算法工程师

优缺点分析

角色解读

• 实习期可积累自动驾驶感知领域的实战经验，为后续求职大厂算法岗打下基础
• 表现优秀者有机会转正或获得推荐，进入虹软科技或同行业其他公司
• 可向高级感知算法工程师、自动驾驶系统架构师等方向长期发展
• 研发自动驾驶中的视觉感知算法，包括目标检测、分割、跟踪等核心任务
• 清洗和构建实验数据集，确保数据质量以支撑模型训练
• 使用PyTorch或TensorFlow等框架进行深度学习模型的训练与调优
• 扎实的计算机视觉基础，熟悉目标检测、分割、跟踪、分类等经典算法
• 有深度学习模型训练经验，至少熟练使用PyTorch或TensorFlow之一
• 具备模式识别、图像处理或机器学习相关方向的硕士及以上学历

申请策略

• 关注虹软科技官网或招聘平台，尽早投递
• 准备一个视觉相关的项目介绍，展示算法理解和实践能力
• 突出相关项目经验，如目标检测、分割等视觉算法实现
• 强调深度学习框架使用经验，附上GitHub或项目链接
• 展示数学和编程基础，如Python、C++等技能
• 复习目标检测（如YOLO、Faster R-CNN）、分割（如Mask R-CNN）等经典算法原理
• 练习PyTorch或TensorFlow的模型训练和调优技巧
• 了解自动驾驶感知系统基本架构，如多传感器融合

面试指南

• 对于算法原理问题，采用'定义-原理-应用'结构，先解释概念，再讲公式或流程，最后举例说明
• 对于项目问题，使用STAR法则（情境-任务-行动-结果），清晰描述背景、你的工作、采用的方法和最终效果
• 对于开放性问题，先给出自己的理解，再结合场景分析，体现思考深度
• 请解释目标检测中Anchor的作用和设计思路
• 描述你做过的一个视觉项目，包括数据预处理、模型选型、评估指标
• 如何解决类别不平衡问题？举例说明
• PyTorch中DataLoader的工作原理是什么？如何优化数据加载？
• 你对自动驾驶感知系统有哪些了解？