滴滴出行
自动驾驶数据挖掘专家
自动驾驶数据挖掘专家
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公数据科学
数据科学
Sql
数据平台
数据挖掘
机器学习
自动驾驶
值不值得投
78综合评分
综合评分 78
头部企业核心业务、前沿技术栈、薪资偏高，但工作强度与业务压力较大。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比数据科学中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2170 个在招 · 其中数据科学 8 个
市场机会
选择适中
北京 · 数据科学 · 30 个在招
职位详情
关于这个职位
该职位负责设计并优化自动驾驶算法评价指标体系，研发自动化场景挖掘与Bad Case分析算法
你需要主导PB级数据平台的架构与核心开发，运用机器学习方法支持场景库建设与系统性能评估，推动数据驱动决策落地
最低要求
教育背景：计算机科学、数学、统计学、自动化、车辆工程等相关专业硕士及以上学历，具备扎实的数学基础（几何、统计、机器学习理论）
技术能力：
精通Python和SQL，熟悉C++/Java之一，具备优秀的编码能力、算法与数据结构功底
深入理解大数据生态体系（Spark、Flink、Hive、Kafka、Presto等），有实际的大数据处理、调优及平台开发经验
熟悉Linux开发环境及常用工具（Docker、Jenkins、Git），具备系统级问题排查与性能优化能力
掌握常用机器学习/数据挖掘算法（聚类、分类、回归、时序分析等），并有实际项目应用经验
业务理解与经验：对自动驾驶系统（感知、预测、规划、控制）有深刻认知，熟悉路测与仿真数据流程，具备极强的业务敏感度，能够从海量数据中抽象出核心问题，主动探索业务方向，推动数据驱动决策
综合素质：
极强的逻辑分析能力，能系统性拆解复杂问题，形成清晰的分析框架
热爱自动驾驶行业，具备强烈的技术好奇心与学习能力，乐于挑战难题
良好的沟通协作能力，能够高效跨团队推动项目落地，具备技术影响力
有指导他人或带领小团队的经验，能够帮助团队成员成长
工作职责
指标体系设计与度量：负责设计并优化自动驾驶算法表现的评价指标体系，从路测与仿真数据中提炼关键量化标准，确保评估客观、全面、可回溯，为算法优化提供清晰方向
自动化数据挖掘与分析：研发场景挖掘与Bad Case自动化分析算法，利用机器学习、数据挖掘技术从海量数据中自动提取高价值场景、识别算法缺陷，并输出可解释性报告，提升问题定位效率
数据平台与工具开发：主导高扩展性数据标注与分析平台的架构设计与核心开发，包括数据大盘、自助分析工具、自动化报告系统等，保障平台在PB级数据规模下的稳定性与计算效率，赋能业务团队快速获取洞察
深度数据分析与探索：运用统计学习、机器学习方法开展探索性研究，支持场景库建设、驾驶行为特征刻画、自动驾驶系统性能量化评估等方向，通过数据建模产出可落地的评估指标与业务建议
技术攻坚与跨团队协同：解决复杂数据问题（如数据倾斜、实时性瓶颈、算法可解释性等），与算法、工程、产品团队紧密合作，推动数据驱动决策落地
同时指导初中级工程师成长，沉淀技术方法论
优先资格
具备自动驾驶、机器人（ROS）、运动控制等相关开发或研究经验者优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶与人工智能的前沿交叉领域，能够接触PB级海量真实路测数据，技术壁垒与含金量极高
- 依托庞大的出行生态与丰富的路测场景，业务落地机会多，数据驱动决策的价值能直接体现
- 平台资源充足，能够与顶尖的算法、工程团队协同，技术视野开阔
- 自动驾驶数据具有极高的复杂性与长尾效应，Bad Case分析与场景挖掘的难度大，对算法可解释性要求高
- 跨团队协同要求高，需频繁与算法、工程、产品团队沟通，对业务理解与沟通推动能力是较大考验
- 适合具备扎实大数据与机器学习基础，对自动驾驶行业充满热情，且具备极强逻辑分析与复杂问题拆解能力的高级技术人才
缺点 / 挑战
- 需要在PB级数据规模下保障平台的稳定性与计算效率，面临数据倾斜、实时性瓶颈等工程挑战
角色解读
- 纵向可发展为自动驾驶数据科学领域的资深技术专家或首席科学家，主导核心数据架构与算法演进
- 横向可向自动驾驶算法负责人或技术管理岗转型，带领更大规模的跨职能团队推动数据驱动决策
- 设计并优化自动驾驶算法的评价指标体系，从路测与仿真数据中提炼量化标准，为算法迭代提供方向
- 研发自动化场景挖掘与Bad Case分析算法，利用机器学习从海量数据中提取高价值场景并识别算法缺陷
- 主导PB级数据标注与分析平台的架构设计与核心开发，保障数据处理的稳定性与计算效率
- 精通Python、SQL及大数据生态（Spark、Flink等），具备扎实的编码能力与系统级性能优化经验
- 掌握常用机器学习与数据挖掘算法，并能将其应用于自动驾驶场景库建设与系统性能评估
- 对自动驾驶系统（感知、预测、规划、控制）有深刻认知，熟悉路测与仿真数据流程
申请策略
- 在简历或面试中展现数据驱动业务的思维，说明如何通过数据分析发现算法缺陷并推动算法团队优化
- 了解滴滴自动驾驶业务的最新进展与公开技术博客，面试时结合其实际业务场景提出自己的见解
- 重点突出在PB级大数据处理、数据平台架构设计方面的实际项目经验，以及Spark/Flink等组件的调优成果
- 详细展示利用机器学习与数据挖掘算法解决具体业务问题（如场景挖掘、Bad Case分析）的案例与量化收益
- 强调对自动驾驶系统（感知、规划、控制等）的理解，若有ROS、运动控制或相关路测与仿真数据处理经验务必写明
- 深入复习自动驾驶系统的核心模块原理及常见评价指标，建立系统的业务认知
- 提升对大规模数据倾斜处理、实时计算瓶颈优化的工程实践能力，准备相关的系统设计方案
面试指南
- STAR法则结合技术深度：在描述项目时，先明确业务痛点，再阐述你设计的算法或平台架构，最后用量化指标证明结果
- 系统性拆解框架：面对复杂数据问题，先界定问题边界，再从数据层、算法层、工程层三个维度进行系统性分析
- 请分享一个你主导的自动化场景挖掘或Bad Case分析项目，你是如何定义高价值场景的？
- 在PB级数据规模下，你是如何解决数据倾斜或实时计算瓶颈问题的？请给出具体的技术方案
- 如果自动驾驶算法在某个特定场景（如逆光、雨雪天气）下表现不佳，你会如何设计数据挖掘流程来定位问题？
- 请谈谈你对自动驾驶系统（感知、预测、规划、控制）数据流转的理解，路测数据与仿真数据在评估时有什么差异？
- 准备1-2个具有技术深度的核心项目，能够详细画出系统架构图，并讲清楚其中的技术难点与破局思路
- 提前了解滴滴自动驾驶的公开技术分享或论文，熟悉其业务场景，以便在面试中能将你的经验与实际需求相结合
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
作为已上市的行业头部企业，该岗位提供具备市场竞争力的薪资水平与完善的福利体系，整体物质回报丰厚且稳定性较高。
薪资信号偏高 (4千–7万/月)
成长发展
90较高
岗位处于自动驾驶与AI前沿交叉领域，接触PB级海量数据与复杂算法场景，技术成长空间与行业视野极佳。
技术前沿前沿/新兴技术
技术栈Python、SQL、Spark、Flink、Hive、Kafka、Presto、Docker、Jenkins、Git、机器学习、数据挖掘、自动驾驶、ROS
成长机会指导初中级工程师成长、沉淀技术方法论
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式、弹性工时或加班情况，无法准确判断该岗位的工作生活平衡状态，建议面试时与HR详细确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
自动驾驶技术旨在提升交通安全与出行效率，具有显著的正向社会价值，且行业处于快速发展与技术变革期。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs