德赛西威
数据算法工程师（2027届-上海）
数据算法工程师（2027届-上海）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Opencv
Pcl
Pytorch
Ros
Tensorflow
多模态大模型
点云处理
目标检测
值不值得投
74综合评分
综合评分 74
校招算法数据岗、站在端到端自动驾驶数据闭环核心，技术前沿性强、上海待遇中上。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
2.0万
与数据工程中位数基本持平
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
18 个在招
市场机会
选择面较广
上海 · 数据工程 · 约 120 个在招
职位详情
关于这个职位
负责自动驾驶数据平台前后端开发与多模态数据Pipeline搭建，开发感知数据处理与评测工具链，支撑数据闭环与端到端算法迭代，并探索多模态大模型落地，是面向2027届校招的自动驾驶数据方向岗位
最低要求
硕士以上学历，计算机、软件工程、人工智能、自动化、数学、测绘、通信、电子信息、车辆工程等相关专业
熟练掌握Python开发，具备规范编码习惯与工程实践能力，了解SQL基础查询语句
熟悉Linux开发环境及常用开发工具
了解React、Node.js等前后端技术栈，具备基础端协作开发能力
熟悉PyTorch/TensorFlow任一深度学习框架，掌握NumPy、Pandas等数据处理工具
了解计算机视觉、深度学习、自动驾驶感知基础原理，熟悉OpenCV、PCL、ROS等工具框架，掌握点云处理、目标检测、语义分割等相关技术优先
热爱自动驾驶行业，了解多传感器数据处理链路、端到端自动驾驶基础概念，熟悉雷达、摄像头等传感器工作机制优先
工作职责
负责自动驾驶数据平台前后端开发与日常维护，完成平台功能迭代、业务逻辑封装、页面交互优化，支撑自动驾驶数据闭环业务稳定运行
搭建并优化自动驾驶多模态数据Pipeline，落地传感器数据预处理、清洗、切片、抽帧、送标等自动化流程，完成数据处理环境部署与运维工作
开发迭代数据工具链，涵盖数据导入导出、格式转换、批量处理、自动化校验脚本等工具，提升数据流转效率与平台使用便捷性
负责自动驾驶感知工具链开发维护，搭建点云、图像多传感器数据处理、评测及可视化工具，支撑2D/3D目标检测、语义分割等感知任务落地
统筹数据集构建、数据清洗与质量评估，搭建自动化数据处理与回归测试流程，协助完成数据标注、问题挖掘与算法迭代支撑工作
探索多模态大模型、视频理解等前沿技术在自动驾驶场景的落地应用，挖掘边界场景Case，助力端到端自动驾驶算法迭代与产品落地
优先资格
掌握点云处理、目标检测、语义分割等相关技术优先
熟悉雷达、摄像头等传感器工作机制优先
AI 洞察
优缺点分析
优点
- 数据闭环处于端到端自动驾驶竞争的核心位置，岗位战略价值高
- 技术栈覆盖前后端、数据处理与感知工具链，工程与算法双重视野
- 前沿技术（多模态大模型、视频理解）落地场景明确，学习曲线陡但成长快
- 平台与工具链开发偏支撑属性，业务成果显现依赖算法团队的迭代节奏
- 数据清洗与标注管理等工作琐细，需耐心
- 适合硕士学历、Python与深度学习基础扎实、对自动驾驶数据闭环方向有长期热情的应届生
缺点 / 挑战
- 需要同时掌握前后端、数据工程与感知算法多个领域，初期学习压力大
角色解读
- 从数据平台/工具链工程师做起，可向自动驾驶数据闭环架构师或感知算法方向发展
- 数据闭环是端到端自动驾驶竞争的核心环节，经验升值快
- 也可转向数据集治理与评测体系专家路线
- 开发维护自动驾驶数据平台的前后端功能，支撑数据闭环业务稳定运行
- 搭建多模态数据Pipeline，实现传感器数据预处理、清洗、切片、送标等自动化流程
- 开发感知数据处理与评测可视化工具链，支撑2D/3D目标检测、语义分割等任务
- 同时探索多模态大模型在自动驾驶场景的落地，挖掘边界Case助力算法迭代
- Python工程能力与Linux开发环境是基础，需要SQL、React/Node.js与PyTorch/TensorFlow的复合技术栈
- 计算机视觉、点云处理（OpenCV、PCL、ROS）等感知技术是核心方向
- 对自动驾驶数据闭环与多传感器链路的理解是加分重点
申请策略
- 面试前梳理自动驾驶数据闭环的全景图，说明数据平台在其中的位置
- 表达对前沿技术探索的兴趣，同时强调工程落地能力
- 突出Python工程项目与PyTorch/TensorFlow的完整实践，说明解决的问题与效果
- 展示点云、图像处理或目标检测相关的科研/竞赛/项目经历
- 体现React/Node.js或平台开发经验，证明复合工程能力
- 补齐PCL与ROS的点云处理入门实践，理解多传感器数据链路
- 练习搭建数据处理Pipeline的自动化脚本能力
- 了解端到端自动驾驶与数据闭环的基本概念与行业进展
面试指南
- 项目类问题按『背景—方案—难点—结果』结构回答，突出工程决策
- 概念类问题结合自动驾驶场景解释，展示行业认知
- 流程设计类问题强调自动化与质量评估的闭环思维
- 请介绍一个你用Python完成的数据处理或平台开发项目，遇到的技术难点是什么？
- 点云数据处理的基本流程是怎样的？常用的库有哪些？
- PyTorch与TensorFlow的区别？你更熟悉哪个，为什么？
- 你如何理解自动驾驶的数据闭环？数据平台在其中起什么作用？
- 如果数据标注质量出现系统性问题，你会如何设计校验流程？
职位点评
薪资福利75
成长发展85
工作生活55
使命价值75
薪资福利
75中等
JD未披露薪资与福利信息，自动驾驶数据方向技术栈要求高，上海同类校招待遇预计有竞争力。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位处于端到端自动驾驶数据闭环核心环节，并明确涉及多模态大模型等前沿技术探索，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、OpenCV、PCL、ROS、多模态大模型、端到端自动驾驶
业务类型cost_center
工作生活
55较低
JD未提及办公模式与加班信息，平台运维与数据闭环保障可能涉及响应性工作。
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
自动驾驶技术关系出行安全与产业变革，行业社会价值高。
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