【27届校招】算法初级工程师

优缺点分析

角色解读

• 从初级算法工程师逐步成长为自动驾驶决策规划控制方向的技术骨干或专家
• 积累仿真、实车/台架测试到量产部署的闭环经验后，可转向算法平台、系统架构或技术管理
• 也可延伸到车载端侧大模型、多模态感知等前沿方向
• 参与自动驾驶决策、规划、控制算法的设计与实现，支撑产品功能需求
• 基于环境模型和车辆参数开发行为决策与轨迹规划算法
• 参与算法仿真验证、代码实现及测试，配合实车或台架测试
• 协助在嵌入式或量产平台上部署、调试与性能优化，并与系统、软件团队协作
• 掌握机器学习、深度学习基础理论及线性回归、随机森林、决策树、SVM等经典算法
• 熟悉目标检测、目标跟踪、轨迹预测等计算机视觉基础技术
• 具备C/C++及数据处理、模型训练、离线评估编程实战能力
• 了解车载端侧大模型、多模态感知大模型等前沿技术

申请策略

• 关注均胜电子智能驾驶研究院的量产项目和算法方向，面试中强调对工程落地的理解
• 提前与HR确认工作地点、薪资结构、培养安排和到岗要求
• 突出机器学习/深度学习项目，说明数据处理、模型训练、离线评估和结果指标
• 展示目标检测、目标跟踪、轨迹预测或自动驾驶相关项目经历
• 强调C/C++、自动化脚本和工程部署能力
• 如有车载端侧大模型、多模态感知项目，量化说明落地效果
• 补强C++工程能力及嵌入式/量产平台部署基础
• 系统学习行为决策、轨迹规划、控制理论等自动驾驶核心知识

面试指南

• 用STAR描述项目背景、任务、方法、结果，突出个人贡献和量化指标
• 对算法题先澄清场景、约束和评价指标，再给出方案与权衡
• 回答工程问题时按“问题—方案—实现—效果—反思”结构展开
• 请介绍一个你参与的机器学习/深度学习项目，如何做数据处理、训练和评估？
• 简述目标检测、目标跟踪或轨迹预测的常用方法及优缺点
• 如何设计车辆行为决策或轨迹规划算法？需要考虑哪些约束？
• C++在算法工程化中的作用是什么？你如何优化模型推理性能？
• 你了解车载端侧大模型或多模态感知大模型吗？落地挑战有哪些？