滴滴出行
27届秋招-算法工程师-路线规划
27届秋招-算法工程师-路线规划
发布于 大约 14 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Eta预估
图神经网络
多任务学习
大语言模型
强化学习
时序建模
路径规划
AI 估算 · 20k–30k
北京滴滴算法岗，技术门槛高，应届生月薪约2-3万，含年终奖总包可观，属于市场偏高水准。
职位详情
关于这个职位
这是一个加入滴滴CTO线、参与全球路线规划引擎研发的算法工程师岗位
你将应用强化学习、图神经网络、大语言模型等前沿技术优化路径规划、ETA预估和实时路况预测，直接提升数亿用户的出行效率
适合对智能交通和算法落地充满热情的2027届毕业生
最低要求
届毕业生，本科及以上学历
编程基础扎实，熟悉常用算法与数据结构，至少熟悉一门编程语言并有开发经验，如C++、Java、Scala、Python等
有机器学习、数据挖掘、计算机视觉与图像处理、语音识别与合成、自然语言处理、统计学、最优化理论、分布式计算、自动控制等至少一个方向相关基础
了解海量数据处理技术
踏实勤奋，自我驱动，善于沟通，动手能力强，视野开阔，具有创造性思维
工作职责
参与滴滴路径规划引擎研发，应用强化学习、图神经网络等技术优化全球不同区域的路线召回与排序策略，提升司乘出行效率
参与ETA（预估到达时间）、预估价核心算法迭代，通过时序建模和多任务学习图网络模型提升时间/距离/价格的预估准确性
研发实时路况预测系统，红绿灯智能读秒预测系统，构建智能的动态交通感知能力
探索大语言模型在交通领域的应用，将LLM技术与时空数据结合优化路线决策的可解释性
建设全球化路线引擎中台，针对不同国家地理特性，设计差异化解决方案
优先资格
计算机、电子工程、自动化及数学等相关专业优先
有相关项目经验者优先
有使用Hadoop、Hive、Spark等大数据平台分析海量数据的能力和经验者优先
AI 洞察
优缺点分析
优点
- 滴滴作为出行行业巨头，拥有海量真实交通数据，算法落地场景丰富
- 涉及强化学习、图神经网络、大语言模型等前沿技术，技术成长快
- 公司已上市，平台稳定，薪酬福利有竞争力，且岗位为核心算法方向，重要性高
- 团队国际化，可接触全球不同区域的差异化问题，拓展视野
- 作为秋招岗位，竞争激烈，需要扎实的基础和项目经验才能脱颖而出
- 适合对智能交通和算法落地有热情、具备扎实机器学习基础、渴望在大型平台做前沿技术研究的2027届毕业生
缺点 / 挑战
- 交通场景复杂，对算法的准确性和实时性要求极高，技术挑战大
- 大厂工作节奏可能较快，需要适应高强度的工作压力
角色解读
- 在滴滴CTO线可深入智能交通核心算法，成为路径规划或ETA方向的专家
- 有机会参与国际化业务，积累全球不同区域的解决方案设计经验，向架构师或技术负责人发展
- 算法工程师可向技术管理方向转型，或深耕强化学习、LLM+时空数据等前沿方向
- 参与路径规划引擎研发，应用强化学习和图神经网络优化路线召回与排序策略
- 负责ETA、预估价等核心算法的迭代，通过时序建模和多任务学习提升预测准确性
- 研发实时路况预测系统和红绿灯智能读秒系统，构建动态交通感知能力
- 探索大语言模型在交通领域的应用，提升路线决策的可解释性，并建设全球化路线引擎中台
- 扎实的编程基础，熟悉C++、Java、Python等至少一门语言，掌握常用算法与数据结构
- 具备机器学习、数据挖掘、最优化理论等至少一个方向的基础，有项目经验者更佳
- 了解分布式计算和海量数据处理技术，熟悉Hadoop、Hive、Spark等大数据平台
- 自我驱动、动手能力强，具备跨团队沟通能力和创新思维
申请策略
- 提前了解滴滴的路线规划业务，思考如何用算法优化出行效率
- 在简历中强调你与岗位技术的匹配度，避免泛泛而谈
- 突出机器学习相关项目经验，尤其是强化学习、图神经网络或时序预测方向的实践
- 强调编程能力，写出使用C++/Python等语言解决具体问题的案例
- 如果有大数据处理经验，如Hadoop/Spark使用经历，务必在简历中体现
- 展示自我驱动和创新能力，例如开源项目、竞赛获奖或论文
- 针对性地学习强化学习和图神经网络的基础知识，并尝试在交通场景中应用
- 熟悉至少一个大数据平台（如Spark）的基本操作
面试指南
- 对于项目类问题，采用STAR原则（情境-任务-行动-结果）阐述，突出你的贡献和量化结果
- 对于设计类问题，先澄清需求，再给出数据方案（特征-模型-评估），体现系统性思维
- 请介绍一个你使用机器学习解决问题的项目，并说明技术选型原因
- 如何设计一个ETA预估模型？特征和模型结构如何选择？
- 讲解一下强化学习在路径规划中的应用，你会如何设计状态和奖励？
- 你对大语言模型在交通领域的应用有什么想法？
- 如何用Spark处理海量轨迹数据？
- 复习经典机器学习算法和深度学习模型，尤其关注序列建模和图网络
职位点评
79
综合评分
大厂核心算法岗，前沿技术栈，成长空间大，但WLB不明确。
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
该职位最适合追求技术精进和前沿算法研究的求职者，其发展性动机可得到充分满足，同时对工作生活平衡的期望不宜过高。
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60
使命价值85
薪资福利
75中等
该职位所在公司规模大、薪酬具备市场竞争力，但JD未披露具体福利，整体补偿性中等偏上。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
90较高
职位涉及强化学习、图神经网络、大语言模型等前沿技术，且有海量数据支撑，技能成长空间极大。
技术前沿前沿/新兴技术
技术栈强化学习、图神经网络、大语言模型、时序建模、多任务学习、Hadoop、Spark
业务类型profit_center
工作生活
60中等
工作地点在北京，JD未提及弹性工作或加班情况，生活习惯上存在不确定性。
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
85较高
交通出行优化具有明显的社会价值，能够提升数亿用户的出行效率，使命感强。
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