地图数据算法工程师

优缺点分析

角色解读

• 可向资深算法专家方向发展，深耕地图数据与空间智能领域
• 也可向技术管理岗转型，带领团队负责核心算法模块与数据体系建设
• 负责京东物流地图基础数据（室内图、POI、路网等）的体系建设与质量控制
• 主导计算机视觉算法（目标检测、语义分割、OCR）在业务中的创新与落地
• 跟踪并验证三维重建、SLAM等前沿技术，提升数据生产质量
• 扎实的计算机视觉算法基础，精通目标检测、语义分割及OCR
• 熟悉三维重建、SLAM/VSLAM、NeRF等前沿技术
• 具备多源数据挖掘、融合及质量控制方案的设计能力

申请策略

• 了解京东物流在自动驾驶、仓储机器人或末端配送等场景下的地图数据需求，将个人技术经验与业务场景紧密结合
• 突出在目标检测、语义分割、OCR等视觉算法的实际落地经验与性能优化成果
• 展示在三维重建、SLAM或NeRF等前沿技术上的研究或项目经验
• 强调多源数据处理、数据质量控制及复杂业务问题的解决能力
• 深入学习SLAM/VSLAM及NeRF等三维视觉前沿技术，了解其在地图数据生产中的应用
• 提升对多源异构数据（轨迹、影像、POI等）融合处理的能力

面试指南

• 采用STAR法则，重点突出“复杂业务问题”的定义、你的“系统性思考”过程、具体的“技术方案”以及最终的“业务收益”
• 对于前沿技术，结合具体应用场景谈落地可行性和技术选型逻辑
• 请介绍一个你主导过的视觉算法（如目标检测/语义分割）落地项目，遇到了哪些复杂问题及如何解决？
• 在多源数据（如竞品、轨迹、卫星影像）融合中，你是如何设计质量控制机制的？
• 谈谈你对SLAM/VSLAM或NeRF技术的理解，以及它们在地图数据生产中的应用潜力
• 当模型在特定场景下出现偏差时，你如何从底层定位缺陷并制定系统性解决方案？
• 复习计算机视觉经典模型及最新进展，特别是三维视觉和SLAM相关论文与开源项目
• 梳理过往项目中数据冲突、模型偏差的排查与解决案例