德赛西威
端到端算法工程师（2027届-上海）
端到端算法工程师（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自动驾驶
自动驾驶
Cnn
Pytorch
Tensorflow
多模态融合
数据增广
激光雷达
端到端
值不值得投
76综合评分
综合评分 76
端到端智驾算法前沿岗，技术天花板高、量产落地实，上海办公、WLB未明
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
2.3万
比自动驾驶中位数高
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 · 其中自动驾驶 2 个
市场机会
选择面较广
上海 · 自动驾驶 · 约 200 个在招
职位详情
关于这个职位
德赛西威2027届校招端到端算法工程师岗位，工作地上海
你将参与自动驾驶端到端感知、预测、规划一体化算法的研发迭代，负责数据清洗与模型训练实验，定位复杂场景失效问题，跟进业界前沿方案并适配量产场景
最低要求
硕士及以上学历，计算机、自动化、人工智能、车辆工程等相关专业
熟悉深度学习基础理论，熟练掌握PyTorch/TensorFlow框架，了解Transformer、CNN、多模态融合等主流网络架构
了解自动驾驶基础链路，熟悉摄像头、激光雷达、毫米波雷达等传感器数据特性，有端到端模型训练、微调经验者优先
熟练掌握Python编程，熟悉数据处理、模型训练、可视化等工具，具备良好的代码规范
逻辑清晰，具备独立实验、问题排查能力，对自动驾驶量产算法研发有浓厚兴趣
工作职责
负责自动驾驶端到端感知、预测、规划一体化算法的研发、迭代与优化，替代传统模块化算法链路，实现从原始传感器数据到车辆控制指令的直接输出
参与端到端自动驾驶模型的数据清洗、数据集构建、数据增广，针对真实路况场景优化模型泛化能力，解决场景适配、极端工况失效等问题
协助完成模型训练、调参、消融实验，对比不同端到端架构（Transformer、CNN、多模态融合架构）的性能差异，输出实验报告
配合仿真测试、实车测试团队，定位端到端算法在复杂路况、恶劣天气、异形交通参与者等场景下的失效问题，迭代优化算法性能
跟进业界端到端自动驾驶前沿技术，梳理最新算法方案，落地适配公司自动驾驶量产场景
优先资格
有端到端模型训练、微调经验者优先
AI 洞察
优缺点分析
优点
- 端到端是当前自动驾驶算法最前沿方向，技术积累前瞻性强
- 量产落地场景真实，算法能直接产生产品价值
- 算法人才市场溢价明显，硕士校招定薪偏上
- 前沿方向技术迭代快，需要持续高强度学习与论文跟踪
- 端到端模型可解释性弱，失效问题定位难度大
- 一线城市生活成本与研发节奏需纳入考量
- 适合深度学习功底扎实、对自动驾驶前沿算法有强烈兴趣的应届硕士
缺点 / 挑战
暂无明显挑战项
角色解读
- 从端到端算法工程师成长为算法模块负责人，主导量产模型演进
- 深耕多模态与世界模型等前沿方向，成为领域专家
- 横向拓展至规控、数据闭环或自动驾驶研发管理岗位
- 研发迭代端到端感知、预测、规划一体化算法，实现从传感器数据到控制指令的直接输出
- 开展数据清洗、数据集构建与数据增广，优化模型在真实路况下的泛化能力
- 完成模型训练、调参与消融实验，对比不同端到端架构性能并输出实验报告
- 配合仿真与实车测试定位复杂场景失效问题，跟进前沿方案并适配量产
- 扎实的深度学习理论基础，熟练掌握PyTorch/TensorFlow
- 理解Transformer、CNN与多模态融合等主流网络架构
- 了解自动驾驶链路与摄像头、激光雷达、毫米波雷达数据特性
- Python工程能力强，具备独立实验设计与问题排查能力
申请策略
- 关注公司智驾量产产品线，理解端到端方案的落地约束
- 准备一个可深挖的模型训练与调优案例
- 突出端到端或多模态模型训练、微调的项目经历与量化指标
- 展示消融实验与模型优化案例，体现实验方法论
- 呈现顶会论文、竞赛名次或开源贡献
- 体现传感器（相机/激光雷达/毫米波）数据处理经验
- 跟踪端到端自动驾驶最新论文并动手复现关键模型
- 补强多模态融合与大规模训练工程的实践经验
面试指南
- 技术对比类问题先给结论再分维度（精度、算力、数据需求）展开
- 失效分析类问题按「现象复现-数据归因-模型改进-回归验证」闭环作答
- 项目类问题用「背景-方案-指标-反思」结构，突出量化结果
- 请谈谈你对端到端自动驾驶与模块化方案的理解
- 如何设计消融实验验证一个模块的有效性？
- 端到端模型在恶劣天气下失效，你会如何定位与改进？
- Transformer与CNN在感知任务中各自的优劣？
- 请介绍一段你的模型训练与调参经历
职位点评
薪资福利75
成长发展90
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，但端到端算法为当前稀缺方向，校招定薪通常偏上，具体以offer为准。
薪资信号未披露（AI估算：1.8千–2.8万/月）
成长发展
90较高
端到端一体化算法是自动驾驶最前沿方向之一，前沿技术与量产落地兼具，成长天花板高；JD未提及培训与晋升安排。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、Transformer、CNN、多模态融合、端到端
业务类型ambiguous
工作生活
55较低
JD未提及办公模式与作息安排，前沿研发节奏通常较快，WLB情况未知。
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
自动驾驶技术关乎出行安全与产业变革，行业意义感强；JD未直接表述使命类内容。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs