滴滴出行
27届秋招-自动驾驶-数据闭环算法工程师
27届秋招-自动驾驶-数据闭环算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Pytorch
Tensorflow
Vlm
数据增强
数据挖掘
数据标注
数据闭环
自动驾驶
AI 估算 · 20k–30k
自动驾驶算法岗薪酬较高，硕士应届在北京上海可达20-30k，滴滴平台提供具有竞争力的薪资。
职位详情
关于这个职位
该职位负责自动驾驶数据闭环中的核心算法研发，包括数据采集触发设计、数据挖掘与清洗、自动标注、数据画像分析及数据增强
通过海量路采数据驱动感知、预测等模型迭代，是自动驾驶技术落地的关键环节
适合对自动驾驶和数据分析有浓厚兴趣的应届硕士生
最低要求
届毕业生，硕士及以上学历，国内外知名院校计算机、人工智能、自动化、电子信息、数学等相关专业优先
对自动驾驶与数据闭环有浓厚兴趣，具备快速学习新技术、新工具的能力，能主动关注行业前沿，将新知识转化为实践
熟练使用Python，熟悉Numpy、Pandas、Pyspark等数据处理库，了解C++基本语法，对PyTorch或TensorFlow有一定使用经验
了解Transformer基本原理（注意力机制、Encoder-Decoder结构），对自动驾驶感知、预测、规控模块间关系有基本认识，具备从问题现象反推数据原因的初步能力
性格细致严谨，注重细节，自驱力强，能主动跟进问题，对从数据角度提升模型效果有热情，具备跨团队高效沟通能力
工作职责
数据采集：设计车端数据trigger，召回有价值数据并进行数据重要性评估
数据挖掘：参与端到端/感知/预测/Planner等模型数据闭环算法研发，从海量路采数据中挖掘特定场景数据，设计开发自动数据清洗链路，过滤脏数据提升数据质量
数据标注与校验：学习场景与行为理解，使用VLM等自动标注工具产出场景、交通参与者属性、行为等标签，并保证准召
数据画像分析：进行多维度数据画像的辅助分析，参与量化数据缺陷，为模型迭代和数据采集提供数据层面的依据
数据增强：针对模型表现短板，通过数据增强与合成数据等手段提升模型效果
优先资格
有实际数据处理、数据分析类项目经验
参与过数据标注流程设计
有竞赛获奖或高质量论文发表
熟练使用AI辅助编程工具（如Copilot、Cursor等）
AI 洞察
优缺点分析
优点
- 滴滴自动驾驶处于行业前沿，数据闭环是自动驾驶迭代的核心，技术含量高
- 可接触海量真实路采数据和完整的数据处理链路，技能积累扎实
- 公司平台大，资源充足，有完善的校招培养体系
- 数据闭环涉及多个环节，工作复杂度高，需要细心和耐心
- 自动驾驶行业竞争激烈，算法迭代快，需要持续学习新技术
- 可能需要配合路测和标注团队，跨团队沟通成本高
- 适合对自动驾驶有浓厚兴趣、喜欢数据分析、注重细节且自驱力强的应届硕士生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从数据闭环工程师成长为自动驾驶算法专家，深入感知、预测等核心模块
- 可向数据科学、机器学习平台或自动驾驶系统架构方向发展
- 在滴滴自动驾驶部门可接触海量真实路采数据，积累宝贵工程经验
- 设计车端数据Trigger，从海量路采数据中筛选有价值场景，为模型训练提供数据支持
- 参与端到端/感知/预测等模型的数据闭环算法研发，包括数据挖掘、清洗、标注和增强
- 使用VLM等工具进行自动标注，并分析数据画像，量化数据缺陷，指导模型迭代
- 熟练使用Python及相关数据处理库（Numpy、Pandas、Pyspark），了解C++基础
- 熟悉PyTorch或TensorFlow深度学习框架，理解Transformer原理
- 具备数据分析和问题定位能力，能通过数据洞察模型短板
申请策略
- 关注滴滴自动驾驶的技术博客，了解团队技术方向
- 在简历中展示对数据质量的重视和问题驱动思维
- 突出数据处理项目经验，展示使用Python、Pandas等进行大数据清洗的能力
- 如有深度学习模型训练经验，强调PyTorch/TensorFlow的使用和Transformer理解
- 强调对自动驾驶领域的兴趣，如参与过相关竞赛或研究
- 提前熟悉PySpark和分布式数据处理，补充SQL能力
- 学习VLM（视觉语言模型）的基本原理和应用，了解自动标注工具
- 了解自动驾驶感知、预测、规划的基本流程
面试指南
- 对于项目类问题，使用STAR法则：背景、任务、行动、结果，突出数据量和处理逻辑
- 对于设计类问题，先明确目标，再提出方案，并考虑数据分布、成本、效率等因素
- 对于原理类问题，先解释核心概念，再联系实际应用，展示理解深度
- 请描述一个你处理过的大规模数据清洗或分析项目的思路
- 如何设计数据Trigger来采集有价值场景？有哪些关键指标？
- 解释Transformer的注意力机制，并说明其在自动驾驶中的应用
- 如果模型在某个场景下表现不佳，如何从数据角度定位问题并解决？
- 复习Python数据处理库和SQL，准备一个完整的数据分析项目案例
职位点评
76
综合评分
自动驾驶数据闭环算法岗，技术前沿、成长空间大，薪资中上，但工作强度和学习压力并存。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术成长、渴望在自动驾驶前沿领域发展的应届生，愿意接受现场办公和可能的快节奏。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
滴滴作为上市公司提供具有竞争力的薪酬，但JD未提及具体薪资和福利细节，补偿性满足度中等偏上。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
90较高
自动驾驶数据闭环涉及数据挖掘、深度学习和VLM等前沿技术，成长机会多，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、Transformer、VLM、数据挖掘、数据增强
业务类型profit_center
工作生活
50较低
职位要求现场办公，未提及弹性工作，互联网大厂通常节奏较快，生活化动机满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
自动驾驶是改变未来出行的技术，数据驱动提升安全性，意义感强。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs