滴滴出行
自动驾驶-数据闭环工程师
自动驾驶-数据闭环工程师
发布于 1 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
软件工程
Mlflow
Mlops
数据闭环
自动驾驶
AI 估算 · 25k–45k
北京自动驾驶岗位，技术要求高，市场竞争激烈，薪资具备竞争力。
职位详情
关于这个职位
加入滴滴自动驾驶团队，负责构建高效可扩展的数据闭环平台，覆盖从数据挖掘、标注到模型训练评估的全链路
你将与算法和基础架构团队紧密合作，设计自动化工具链，提升自动驾驶模型的迭代效率
适合有扎实编程基础和MLOps经验的工程师
最低要求
）计算机科学，电子工程，自动化工程，软件工程等相关专业的本科或硕士学位获得者
）熟悉Linux开发环境，良好的系统编程、数据结构、算法基础、系统设计能力
）熟练掌握Python 和 C++，具备优秀的编码能力和扎实的软件工程基础（设计模式、代码重构、单元测试）
）熟悉至少一种工作流编排与调度框架（如 Apache Airflow, Kubeflow Pipelines, MLflow Projects），能设计模块化、可监控、可重试的自动化任务流
）有自动驾驶数据平台、仿真平台、自动化标注系统或MLOps平台的实际开发经验
工作职责
）搭建面向自动驾驶大模型的数据生产系统，涵盖数据清洗、增强、合成与标注全流程
）构建数据版本管理与回溯系统，实现数据集迭代过程的可追踪性，满足模型训练合规要求
）负责自动化标注与数据流水线，构建与迭代自动化、半自动化标注工具链（如大模型预标注、人机协同标注），提升数据产出的效率与质量
）与算法工程师及AI基础架构团队紧密合作，建设相关平台工具，提升自动驾驶模型的迭代效率和效果
优先资格
）有自动驾驶/机器人数据平台架构的开发经验
）参与过AI模型训练数据生产与使用项目（数据集构建、数据生成、模型评估等）
）熟悉自动驾驶算法，熟悉机器学习/深度学习模型算法
）熟悉Docker 容器化技术，了解Kubernetes 在管理分布式训练任务和在线服务中的应用，具有云上构建和部署服务的实际经验
AI 洞察
优缺点分析
优点
- 自动驾驶是未来核心赛道，技术壁垒高，职业发展空间大
- 滴滴作为行业巨头，平台资源丰富，能接触到前沿技术和海量数据
- 岗位涉及全链路数据平台，技能覆盖面广，可积累MLOps和自动标注等稀缺经验
- 自动驾驶数据闭环复杂度高，对系统设计和工程能力要求严苛
- 需与多个团队紧密协作，沟通成本较大
- 适合有扎实编程基础、对自动驾驶和MLOps感兴趣，并希望在高技术壁垒领域深耕的工程师
缺点 / 挑战
- 业务迭代节奏快，可能面临一定的工作压力
角色解读
- 深入自动驾驶数据闭环领域，成为数据平台架构专家
- 向AI基础架构或MLOps方向拓展，参与更大规模的分布式训练系统设计
- 有机会转向算法或系统工程管理岗位，领导自动驾驶数据团队
- 设计和实现自动驾驶数据闭环平台，覆盖数据清洗、标注、版本管理和模型训练评估全流程
- 搭建自动化和半自动化标注工具链，利用大模型预标注和人机协同标注提升数据产出效率
- 与算法工程师和AI基础架构团队协作，优化数据生产系统，加速模型迭代
- 扎实的编程能力：精通 Python 和 C++，熟悉 Linux 开发和系统设计
- 工作流编排经验：熟练使用 Apache Airflow、Kubeflow 或 MLflow 等框架构建自动化任务流
- 软件工程素养：掌握设计模式、代码重构和单元测试，具备大型项目开发经验
申请策略
- 了解滴滴自动驾驶的发展动态和Voyager部门的技术方向，在面试中展现对业务的深入理解
- 突出数据平台或MLOps相关项目经验，展示在自动化流程设计和系统架构方面的能力
- 强调Python和C++的熟练程度，以及使用Airflow、Kubeflow等工具的具体案例
- 如有自动驾驶或机器人领域经验，务必重点描述
- 补充Docker和Kubernetes的实战经验，了解分布式训练任务管理
- 学习自动驾驶基础知识，了解数据闭环各环节的核心逻辑
面试指南
- 使用STAR法则（情境-任务-行动-结果）描述项目经验，突出技术难点和解决方案
- 对于系统设计问题，先澄清需求，再给出分层架构，并讨论权衡（如一致性与可用性）
- 请描述你设计过的数据平台架构，如何保证可扩展性和容错性？
- 在MLOps项目中，你是如何实现模型版本管理和数据溯源的？
- 请解释自动驾驶数据闭环中，数据标注质量如何控制？
- 谈谈你对工作流编排工具（如Airflow）的理解，如何处理任务失败重试？
- 如何处理海量数据下的数据清洗和特征工程？
- 复习MLOps常用工具（Airflow、Kubeflow、MLflow）的核心概念和实践案例
职位点评
71
综合评分
北京自动驾驶大厂，前沿技术栈，薪资有竞争力，但工作生活平衡一般。
更适合这类人
适合追求技术成长和行业前沿、对加班有一定容忍度的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活50
使命价值70
薪资福利
80较高
薪资在北京自动驾驶领域具有竞争力，且滴滴作为大厂福利完善，但JD未明确薪资数字。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
岗位涉及前沿技术栈（自动驾驶、大模型、MLOps），能显著提升技术深度和广度，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈Python、C++、Apache Airflow、Kubeflow、MLflow、Docker、Kubernetes、自动驾驶、大模型
业务类型ambiguous
工作生活
50较低
北京办公，未提及远程或弹性工作，自动驾驶业务可能加班较多。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶属于高速增长赛道，对出行安全有积极影响，但JD未强调社会使命。
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
Watch Jobs